Tesla ya fabrica cientos de Optimus a la semana, pero la IA se queda atrás

Tesla aceleró de forma notable el ritmo de fabricación de su robot humanoide Optimus, aunque la IA que debe gobernar sus movimientos todavía no avanza al mismo ritmo. La compañía dirigida por Elon Musk pasó de ensamblar apenas unas decenas de unidades semanales durante el segundo trimestre a producir varios cientos por semana en agosto, según un informe de The Information basado en fuentes internas del programa.

El objetivo declarado por los responsables del proyecto es superar las 1.000 unidades semanales antes de que termine 2026, una meta que exige multiplicar por 10 la capacidad productiva actual en apenas unos meses. Sin embargo, ese salto industrial contrasta con las limitaciones que Optimus sigue mostrando a la hora de ejecutar tareas para las que no fue entrenado específicamente.

Cómo fabrica Tesla el robot Optimus en Fremont

La producción de Optimus se concentra en la planta de Fremont, California, donde Tesla desmanteló en julio las líneas dedicadas al Model S y al Model X para instalar en su lugar el ensamblaje del robot humanoide. La propia compañía confirmó ese movimiento en su momento, aunque no ha detallado públicamente las cifras de producción que ahora circulan a través del medio citado.

Las primeras unidades salidas de esa línea no están pensadas para uso comercial inmediato. Tesla las destina a lo que denomina Optimus Academy, un entorno interno orientado a recopilar datos de funcionamiento y perfeccionar las capacidades del robot antes de una eventual fabricación a gran escala.

El mayor cuello de botella de la producción no está en la estructura general del robot, sino en sus extremidades. Las manos y antebrazos de Optimus incorporan más de 100 componentes y tornillos de tamaño reducido que todavía requieren montaje manual, según el reporte.

Esa exigencia de precisión ha generado problemas de alineación en varias unidades, que deben retirarse de la línea y volver a trabajarse antes de completar el proceso.

A eso se suman fallos detectados en los sensores táctiles, que llevaron a Tesla a diseñar una especie de guante sensorial reemplazable, pensado para sustituir la capa dañada sin necesidad de cambiar la mano completa.

Por qué la IA de Optimus aprende más lento que la fábrica lo produce

Fabricar el cuerpo del robot y lograr que ese cuerpo funcione como un trabajador capaz de adaptarse a distintos entornos son dos problemas que avanzan a velocidades distintas dentro del programa. Optimus puede completar con solvencia las tareas para las que fue entrenado, pero enfrenta dificultades cuando aparece una variación mínima respecto a lo aprendido.

Según las fuentes citadas por The Information, enseñarle tareas nuevas relativamente simples puede llevarle varios días de entrenamiento. Un ejemplo mencionado en el informe ilustra el problema con claridad: mover una caja no se limita a levantarla, sino que implica adaptarse a pesos distintos, objetos caídos, obstáculos imprevistos o posiciones que no coinciden exactamente con las condiciones de la práctica previa.

La dificultad de un robot humanoide para generalizar tareas nuevas radica en que su inteligencia artificial necesita ejemplos físicos de cada movimiento posible, y no solo instrucciones abstractas.

Por eso, cuando surge una situación levemente distinta a la entrenada, el sistema puede tardar días en adaptarse, algo que todavía limita su despliegue en entornos industriales reales.

Para reducir esa brecha, Tesla trabaja en la construcción de lo que el reporte describe como un vocabulario de acciones básicas: movimientos elementales como agarrar, levantar, caminar o colocar objetos, que la inteligencia artificial del robot pueda combinar de forma flexible ante escenarios que no formaron parte de su entrenamiento original.

Los datos detrás del entrenamiento de Optimus

Esa estrategia de aprendizaje por combinación de movimientos depende directamente del volumen de información disponible. Tesla ya acumuló más de 500.000 horas de entrenamiento para Optimus, obtenidas mediante teleoperación, trajes de captura de movimiento y grabaciones de trabajadores humanos realizando tareas reales, de acuerdo con el informe de The Information.

La compañía se propone duplicar esa cifra antes de que finalice el año, en un esfuerzo que se asemeja al entrenamiento masivo de un modelo de lenguaje, pero aplicado al movimiento físico de un cuerpo dentro del mundo real. Cuantas más demostraciones registre el sistema, mayor es en teoría su capacidad de reconocer patrones y responder ante situaciones similares.

Ese volumen de datos no resuelve por sí solo el desafío central que enfrenta la robótica humanoide: la capacidad de generalizar. Acumular horas de demostraciones no garantiza que la máquina sepa reaccionar correctamente ante un escenario que nunca formó parte de su entrenamiento, un límite que sigue condicionando el ritmo real de despliegue de Optimus más allá de la velocidad con que Tesla logra ensamblarlo en su planta de Fremont.