01 / 01
Clic, mando o → para avanzar · F pantalla completa · B pantalla en negro

Vista general

www.rovimatica.com
CTC Connect · Bloque 2 · Robótica para una planta flexible

Del robot programado
al robot que entiende

Humanoides y modelos VLA para la planta flexible

Álvaro Flores
Humanoid Unit Director · Rovimatica
Rovimatica
Estado—
Simulación · URDF oficial Unitree H2
01 · Punto de partida

El trabajo manual sigue sosteniendo la planta

Tareas manuales y repetitivas habituales
Picking y pedidosCarga y descargaAlimentación de líneasKittingPaletizadoEmbalajeMontaje y atornilladoClasificaciónInspección visual
Y cada vez más difíciles de cubrir
  • Falta de personal para puestos duros y repetitivos
  • Falta de perfiles especializados para las tareas complejas
3 de cada 5trabajadores de la UE refieren trastornos relacionados con la carga de trabajo físicaFuente: EU-OSHA
Hora—
Ciclos—
Kg manipulados—
Ritmo—
Simulación ilustrativa · turno de 8 h
02 · Robótica programada

Precisa y rápida… pero rígida

Ejecuta exactamente lo que se le programa, punto a punto. Imbatible en lo estable; ciego ante lo imprevisto.

Lo que cuesta
  • Ingeniería laboriosa: todo se programa a mano
  • Entorno a medida: utillajes y centradores
  • Rígida: cada cambio obliga a reprogramar
Rentable con volumen alto y estableFrágil ante la variabilidad
main.prg — controlador
ALARMA 4021Pieza no detectada en pPick · línea detenida
Ciclo—
Puntos enseñados—
Estado—
Simulación · célula robotizada clásica
03 · Robótica humanoide

Un cuerpo hecho para nuestro mundo

Nuestras plantas están hechas para personas. El humanoide encaja sin rediseñarlas.

  • PercepciónVe el entorno como lo vemos
  • ManipulaciónUsa los mismos útiles que el operario
  • Base AMRNavega sola entre puestos, con columna elevadora
  • Autonomía de 6–7 hCasi un turno completo por carga
El hardware ya está aquí. El reto es el cerebro.
Autonomía6–7 h
Batería—
Estado—
Recorrido—
Simulación ilustrativa · Unitree H2-D con base AMR
04 · Control por IA · 1 / 3

Reinforcement learning

Aprende por prueba y error en miles de simulaciones; una recompensa guía la mejora. Luego pasa al robot real (Sim2Real).

Políticared neuronal Entornosimulación física acciónestado + recompensa
Donde brilla
  • Locomoción y equilibrio
  • Habilidades sin programarlas
Tasa de éxito
Pasos—
Episodios—
Éxito—
Simulación ilustrativa · 6 entornos en paralelo
05 · Control por IA · 2 / 3

Imitación con ACT

Action Chunking with Transformers: el robot imita a un operario. Con unas decenas de demostraciones aprende a predecir sus siguientes movimientos.

  • 01Demostraciones por teleoperación (~50 por tarea)
  • 02El transformer observa cámaras + articulaciones
  • 03Predice un bloque de ~100 acciones futuras
  • 04Ensamblado temporal: suaviza bloques solapados
Pocas demostracionesMovimientos finos y suavesUna política por tarea
Ensamblado temporal · altura de la mano
Bloques predichosAcción ejecutada
Demostraciones50
Bloque100 acciones
Control50 Hz
Consultas—
Simulación · URDF oficial G1-D · célula de montaje
Demostraciones humanasBloques predichosTrayectoria ejecutada
06 · Control por IA · 3 / 3 · VLA

Modelos VLA

Vision-Language-Action: un solo modelo que ve, entiende una orden y la convierte en movimiento. Trae “sentido común” de serie.

Qué cambia
  • Órdenes en lenguaje natural, sin programar.
  • Varias tareas con un mismo modelo.
  • Generaliza a objetos y situaciones no vistos.
Visión
Lenguaje
Modelo VLA
Acción
Orden del operador
Simulación · URDF oficial G1-D
VLA · Arquitectura

Dentro de un VLA

Todo se convierte en tokens: un modelo razona y otro mueve.

Sistema 2 · lentoEntiende y planificaModelo visión-lenguaje · ~10 Hz
Sistema 1 · rápidoMueve con precisiónCabeza de acción · >100 Hz

Arquitectura dual tipo NVIDIA GR00T N1 (S2 a 10 Hz, S1 a 120 Hz). Otros VLA: π0, Gemini Robotics, OpenVLA.

Esquema animado · flujo de tokens
VLA · Entrenamiento

Cómo se entrena

Una pirámide de datos: mucho conocimiento general abajo, pocos datos muy valiosos arriba.

  • 01Preentrenamiento visión-lenguajeMiles de millones de imágenes y textos
  • 02Preentrenamiento robóticoMuchos robots, vídeo humano y simulación (p. ej. Open X-Embodiment: >1 M trayectorias)
  • 03Ajuste fino a la tareaDemostraciones en el puesto real
El caso de uso solo aporta la cima: sus piezas, su puesto y unas horas de demostraciones.
Esquema animado · curva ilustrativa
VLA · Datos de la tarea

Enseñar haciendo

Un operario guía al robot con gafas XR. Cada repetición se graba como ejemplo de entrenamiento.

Qué se graba en cada demostración
CámarasCabeza + muñecas
EstadoArticulaciones
AccionesMovimiento del operario
ContextoInstrucción en texto
El experto es el propio operarioSin escribir código
Vista estéreo en las gafas del operador
Fase—
Latencia—
Codo robot / operador—
Simulación · URDF oficial H2
VLA · Puesta en servicio

Del caso de uso a la línea

No se “instala”: se pone en servicio por fases y mejora con el uso.

  • Captura y ajuste fino en el puesto real
  • Validación y producción supervisada
  • Inferencia en el robot o en edge de planta
Volante de datos: más horas de operación → mejor modelo → menos intervenciones.
Esquema animado · curvas ilustrativas
En resumen

Del robot programado al robot que entiende

Robot programadoHumanoide + VLA
Cómo se le enseña
Código y puntos enseñados
Demostraciones y lenguaje natural
Variabilidad
Exige pieza y posición fijas
Se adapta gracias a la visión
Cambio de referencia
Reprogramar
Nuevas demostraciones o una nueva orden
Entorno
Célula diseñada a medida
Puestos pensados para personas
Madurez hoy
Muy alta: rápida y precisa
Emergente: PoC y despliegues acompañados

Lo estable, para el robot programado. Lo variable, para el humanoide con IA.

Quiénes somos

Una pyme tecnológica que convierte ideas en soluciones.

rovimatica — bash
Equipo RovimaticaEquipo Rovimatica · Córdoba
2007
Fundación
+100
Ingenieros
+6 M€
Facturación
+25
Proyectos I+D+i
Robótica humanoide

Alianza con

Somos sus integradores oficiales en España
  • Alianza estratégica: Integrador oficial de Unitree Robotics en España para sus robots humanoides y cuadrúpedos, con desarrollo de aplicaciones, soporte sobre producto, mantenimiento, servicio técnico y postventa.
  • Humanoide + aplicación: cada robot se entrega con la tarea desarrollada y validada para el proceso del cliente.
  • Proyectos integrados: combinamos humanoides con células robóticas, AMRs, sorting, visión artificial y otros sistemas industriales.
  • Entrenamiento de tareas por demostración, imitation learning y simulación (Sim2Real), con modelos VLA.
  • PoC y despliegues acompañados: validamos cada caso en nuestras instalaciones y en las del cliente, con ingenieros de Rovimatica a su lado.
Nº 1mundial en envíos de humanoides (2025)
+5.500humanoides entregados en 2025
75.000humanoides/año de capacidad prevista
Siguiente paso

Hablemos hoy de tus casos de uso

01

Elegimos la tarea

Un puesto manual, repetitivo y variable.

02

PoC en nuestras instalaciones

Entrenamos el humanoide con sus piezas.

03

PoC en su planta

Ajuste fino y validación en su línea.

04

Despliegue acompañado

Robot + aplicación, con nuestro ingeniero a su lado.

QR
alvaro.flores@rovimatica.eu
(+34) 601 533 437 · www.rovimatica.com

Muchas gracias

Álvaro Flores

Humanoid Unit Director
alvaro.flores@rovimatica.eu
(+34) 601 533 437
QR
www.rovimatica.com
(+34) 957 48 82 50
Av. de Chinales, 26B · 14007 Córdoba
Rovimatica