Robots en alza

Por Markus Schulte-Huermann | Strategie-Team

Robots en alza

Cómo dominamos la incertidumbre epistémica y Knodge.eu nos ayuda a hacerlo

El mundo de la robótica se está desarrollando rápidamente. Los robots han dejado de ser ciencia ficción para convertirse cada vez más en parte integrante de nuestra vida cotidiana y de nuestra industria. Sin embargo, a medida que aumenta la complejidad y autonomía de estos sistemas, también lo hace la necesidad de superar sus "lagunas de conocimiento" la llamada incertidumbre epistémica , para comprenderlos y gestionarlos. En esta entrada del blog, echamos un vistazo a los desarrollos actuales en el mercado de la robótica, las soluciones a la incertidumbre epistémica y cómo plataformas como Knodge.eu pueden desempeñar un papel crucial.

El mercado de los robots humanoides: ¿quiénes son los actores?

El mercado de los robots humanoides está en auge y se espera que crezca hasta superar los 38.000 millones de dólares en 2035, con un coste por unidad que podría caer por debajo de los 20.000 dólares The humanoid robot market 2025/2026: Everything you need to know. Un gran número de empresas de todo el mundo están impulsando este desarrollo:

EE.UU.: Gigantes como Tesla con su "Optimus", Agility Robotics con "Digit" y Figure AI con "Figure 01" están liderando el desarrollo de robots humanoides versátiles para el mercado de masas y tareas logísticas The Humanoid Robot Market 2025/2026: Everything You Need to Know, [Portal Knowledge Base](https://knodge.eu/portal/robotic?tab=documents&search=Lister of Robotoic Manufacturers.pdf).
China: Empresas como Unitree Robotics y UBTECH Robotics con modelos como el "Walker S1" también son actores fuertes en el mercado mundial [Portal Knowledge Base](https://knodge.eu/portal/robotic?tab=documents&search=Lister of Robotoic Manufacturers.pdf).

Estos robots están diseñados para operar en entornos complejos y dinámicos, lo que plantea la cuestión de su fiabilidad y seguridad, especialmente cuando se enfrentan a situaciones desconocidas.

Incertidumbre epistémica: ¿qué es y cómo se aborda?

La incertidumbre epistémica describe las lagunas de conocimiento o imprecisiones en los modelos de un robot que, en principio, podrían reducirse con más datos o un modelo mejor. Es la incertidumbre que surge cuando el robot "no sabe lo que no sabe" An overview of uncertainty representation and quantification in neural networks. Para la robótica, reconocer y gestionar esta incertidumbre es fundamental para la seguridad, la solidez y la confianza humana International AI Safety Report 2026, The humanoid robot market 2025/2026: Everything you need to know.

Se están buscando varias soluciones para superar este reto:

  1. Cuantificación de la incertidumbre en los modelos de IA:
    • Redes neuronales bayesianas (BNN):** Utilizan distribuciones de probabilidad en sus pesos para capturar la incertidumbre directamente en los parámetros del modelo.
      Conjuntos profundos: Aquí se entrenan varios modelos independientes. La dispersión de sus predicciones sirve como medida de incertidumbre An overview of uncertainty representation and quantification in neural networks.
      Monte Carlo Dropout: Un método eficiente que también utiliza dropout durante la inferencia para obtener una distribución de predicciones y, por tanto, una medida de incertidumbre.

2 Modelos causales del mundo: Los robots desarrollan modelos internos de su entorno para comprender la causalidad y predecir estados futuros. Sistemas como LingBot-VA combinan el modelado del mundo en vídeo y el preentrenamiento del habla para "comprender" los efectos de las acciones y reducir así la incertidumbre epistémica en el control Causal World Model for Robot Control.

3 Aprendizaje continuo y adaptativo: Los robots deben ser capaces de adaptar dinámicamente su base de conocimientos. Enfoques como el aprendizaje anidado y la adaptación dinámica de las arquitecturas de generación aumentada de recuperación (RAG) permiten a los robots actualizar continuamente sus modelos y colmar lagunas de conocimiento, especialmente en situaciones desconocidas [Portal Knowledge Base: RAG Nested Learning](https://knodge.eu/portal/robotic?tab=documents&search=portal-memory-RAG Nested Learning-2026-01-10.pdf).

4 Reconocimiento de situaciones fuera de distribución (OOD): Los robots necesitan reconocer cuándo se encuentran con situaciones que nunca han visto en sus datos de entrenamiento. En estos casos, la incertidumbre epistémica es máxima y el robot debe actuar con cautela o solicitar ayuda humana.

Knodge.eu: un socio europeo para una robótica segura y basada en el conocimiento

Aquí es donde entra en juego Knodge.eu. Como centro europeo del conocimiento, Knodge.eu ofrece ventajas decisivas para ayudar a los sistemas robóticos a hacer frente a la incertidumbre epistémica:

El futuro de la robótica está estrechamente ligado a la capacidad de gestionar la incertidumbre. Combinando métodos avanzados de IA y una plataforma segura y basada en el conocimiento como Knodge.eu, podemos desarrollar robots que no sólo sean capaces, sino también seguros, fiables y dignos de confianza.

Bibliografía:

*A Review of Uncertainty Representation and Quantification in Neural Networks - Wang, K., Cuzzolin, F., Shariatmadar, K., Moens, D., & Hallez, H. (2025). IEEE Transactions on Pattern Analysis and Machine Intelligence. DOI: 10.1109/TPAMI.2025.3626645
*Cloud Robotics and Interoperability: Enhancing Data Security Regulations in an Automated Age - Takuro, & Ojadamola, K. (Desconocido).
*International AI Safety Report 2026 - Bengio, Y., Clare, S., Prunkl, C., et al. (2026). International AI Safety Report.