Estado del aprendizaje robótico, Q1 2026: lo que se envió, lo que se detuvo

Una revisión a los ojos de los profesionales del primer trimestre de 2026 en el aprendizaje de robots: los marcos que maduraron, los modelos de base que finalmente cruzaron la barra de usabilidad, el hardware que apareció en nuestro muelle de carga, y las narrativas que se desmoronaron bajo el peso de las implementaciones reales.

Publicado 2026-04-17 por el Centro de Investigación de Robotica del Valle del Silicio.

TL;DR. El primer trimestre de 2026 no fue el trimestre de un solo lanzamiento de titulares. Fue el trimestre en el que la pila de aprendizaje de robots de código abierto se convirtió silenciosamente en producción. LeRobot alcanzó una cadencia de lanzamiento estable, el ajuste fino de OpenVLA se convirtió en un trabajo de un fin de semana en un solo H100 y la Política de difusión dejó de ser experimental. En el lado de hardware, el G1 de Unitree, el T1 de Booster, el SE01 de EngineAI y el GR-2 de Fourier llegaron a los compradores. La historia estancada es la comercialización: los ingresos humanoides siguen siendo un error de redondeo en relación con el capital recaudado, y la brecha de rendimiento entre los pilotos cerrados y los benchmarks públicos reproducibles se amplió en lugar de cerrar.

1. Marco: la aburrida infraestructura finalmente se aburrió

Hace un año, elegir un marco de capacitación significaba elegir un grupo de investigación. En 2026 ha comenzado a significar elegir un contrato: se compromete a una API, se compromete a un formato de conjunto de datos y se compromete a ser un ciudadano decente en la actualidad. Tres marcos ahora llevan una carga significativa a través de nuestro propio laboratorio y los equipos que asesoramos.

LeRobot

Hugging Face's [LeRobot]T0) es el más cercano al campo tiene a un predeterminado. Las versiones de Q1 se centran en la estabilidad en lugar de la superficie: mejor procedencia de punto de control / configuración, conversiones de conjunto de datos v2 más limpias y un registro de políticas que finalmente le permite intercambiar ACT, Política de difusión, VQ-BeT y arquitecturas con sabor pi0 sin volver a escribir los bucles de entrenamiento. El formato de conjunto de datos de opinión de la biblioteca se ha convertido en el estándar de intercambio de facto en pequeños laboratorios, y nuestra guía de inicio de framework de LeRobot (T1) sigue siendo el camino más rápido.

Robosuite, Isaac Lab, y la pila de sim

En el lado de la simulación, Isaac Lab consolidó gran parte de lo que solía ser fragmentado en Orbit y Isaac Gym, y Robosuite sigue siendo el punto de entrada más limpio para la investigación de aprendizaje que no necesita física acelerada por GPU. Para los equipos que eligen entre ellos, la pregunta decisiva sigue siendo la misma: ¿están entrenando miles de entornos en paralelo para el aprendizaje de refuerzo, o están iterando en una sola tarea de manipulación donde el cuello de botella es el tiempo de creación de escena?

ROS 2 y la capa de software intermedio

ROS 2 Jazzy es ahora el tiempo de ejecución de referencia para la mayoría de los brazos de investigación que vemos enviados. El titular para el primer trimestre no era un lanzamiento de características sino el grado en que las herramientas de tiempo de aprendizaje (LeRobot, Robosuite envueltas, agentes de teleoperatorio) ahora envían con puentes ROS 2 fuera de la caja. Si estás construyendo un laboratorio desde cero, nuestros tutoriales de hardware y de configuración son un punto de partida razonable.

2. Modelos de fundación: la consolidación silenciosa de las VLA

La categoría de la visión-linguagem-acción (VLA) es donde se produjo el progreso más interesante en el que se enfrentan los profesionales en el primer trimestre. Los modelos públicos catalogados que rastreamos en /vla-models/ crecieron, pero lo más importante es que la barra de usabilidad se movió.

VLC abierto

OpenVLA sigue siendo el VLA abierto más ampliamente afinado en nuestra red extendida. La combinación de una base de parámetros 7B con adaptadores LoRA trajo ejecuciones afinadas en territorio de un solo GPU para la mayoría de las tareas de manipulación con unos cientos de episodios de datos de demostración. Las mejoras de la iteración del primer trimestre que vemos en la naturaleza son principalmente del lado de los datos: una mejor curatividad de los conjuntos de datos, una mejor normalización del espacio de acción, un mejor manejo de las cabezas de acción bimanual.

Octo

Octo ocupa un punto diferente en la frontera de Pareto: más pequeño, más rápido para ajustar a la finalidad y más tolerante de conjuntos de datos heterogéneos. Para los equipos con presupuestos de episodios pequeños y un solo brazo, Octo a menudo gana en dólares por evaluación de éxito, incluso cuando OpenVLA gana en la tasa de éxito de pico bruto. La heurística práctica que usamos: si tienes menos de ~500 episodios y una realización, comienza con Octo; más allá de eso, vuelve a visitar OpenVLA.

RT-X y el legado de la encarnación cruzada

La línea RT-X de Google produjo menos contenido público nuevo en el primer trimestre que algunos de sus competidores, pero su influencia está en todas partes. El conjunto de datos Open X-Embodiment sigue siendo la columna vertebral contra la cual la mayoría de las nuevas arquitecturas VLA se entrenan o co-entrenan. Nuestro [explicador de Open X-Embodiment]T6) cubre el conjunto de datos y cómo contribuir. El desarrollo importante del primer trimestre no fue un nuevo documento de RT-X sino el número de nuevos laboratorios que publican puntos de control entrenados en subconjuntos de OXE con recetas transparentes.

Política de difusión

La política de difusión ha pasado de "interesante dirección de investigación" a "elección predeterminada para la manipulación rica en contactos con unos cientos de demostraciones". Para los equipos que eligen entre ACT y Política de difusión, mantenemos una comparación de profesionales en [ACT vs Política de difusión: cuándo usar cuál]T7).

Qué significa esto para los compradores: La pregunta del marco ya no es "cuál es el mejor". Es "que se integra con su tubería de datos, su computadora y su flota de robots con la menor cantidad de cinta adhesivas". Para la mayoría de los laboratorios, la respuesta en el primer trimestre de 2026 es LeRobot más un VLA de elección más ROS 2. Explore el hardware correspondiente en la tienda RCSV.

3. Hardware humanoide: lanzamientos aterrizados, verificación de la realidad

El primer trimestre de 2026 fue el trimestre en el que la historia del hardware humanoide dejó de ser una promesa y comenzó a ser un problema logístico en el muelle de carga.

Unidad G1

G1 de Unitree mantuvo su reputación como el humanoide de investigación de caballos de trabajo: configuraciones de entrada de menos de 20 mil dólares, SDK utilizable, una creciente población de puestos de control públicos sintonizados para él y un tiempo de entrega medido en semanas en lugar de trimestres. La mejora incremental de la Q1 fue en los brazos: carga útil, repetibilidad y cabeza de par todos se movieron en la dirección correcta, aunque el agarre sigue siendo el eslabón más débil para el trabajo de manipulación serio.

T1 de refuerzo

Booster Robotics se graduó de la T1 desde el acceso temprano a la disponibilidad general de la investigación en el Q1. La historia de la T1 es el cumplimiento y los márgenes de seguridad una filosofía de diseño dirigida a implementaciones próximas al hombre en lugar de trabajo industrial enjaulado.

MotorAI SE01

El SE01 de EngineAI es el más interesante en nuestro radar: un humanoide enfocado en la locomoción de menor costo que llegó con una caminata competente y una historia de manipulación deliberadamente minimalista. Para los laboratorios cuya agenda de investigación a corto plazo es el control de todo el cuerpo, las políticas de locomoción o los puntos de referencia bipedal, el SE01 cambió sustancialmente el nivel de precios en el primer trimestre.

El GR-2 de Fourier

El GR-2 de Fourier Intelligence se encuentra en el extremo superior de la banda de precios de investigación. Los envíos del primer trimestre que vimos fueron principalmente a universidades y laboratorios de I + D corporativos en Asia Pacífico y Europa. La historia que escuchamos constantemente es que el hardware del GR-2 es impresionante, pero que los tiempos de entrega y la disponibilidad de piezas de repuesto siguen siendo problemas un tema que desmontamos en [Humanoid Supply Chain Reality Check 2026] T10 .

Para un lado a lado en las especificaciones y el precio, nuestro comparación de robots humanoides 2026 se mantiene actualizado con los puntos de datos de Q1, y la herramienta de comparación le permite reducir por carga útil, alcance y precio.

4. Financiamiento: el capital sigue fluyendo, los ingresos no son

La historia de capital en el aprendizaje de robots se mantuvo extraordinaria por cualquier estándar normal de la industria tecnológica en el primer trimestre de 2026. Las mega-rondas humanoides que seguimos en 2024 y 2025 continuaron; varias compañías de VLA y de la capa de datos cerraron las rondas de la serie A y B. Lo que no ha cambiado es la concentración de ingresos: fuera de los robots móviles industriales y de un puñado de pilotos humanoides empresariales, los ingresos comerciales de los robots basados en el aprendizaje de propósito general siguen siendo un error de redondeo en relación con el capital recaudado.

Esto es importante para los profesionales porque establece el horizonte para cuando las plataformas cerradas tendrán que mostrar un volumen de implementación real o abrirse.

5. Open-source vs. cerrado: la brecha se está ampliando, no cerrando

Hace un año parecía que el ecosistema abierto (LeRobot, OpenVLA, Octo, OXE) alcanzaría los modelos de frontera cerrada en un año. En el primer trimestre de 2026 lo llamamos de otra manera. La pila abierta es más utilizable que nunca, pero la frontera cerrada también se está moviendo y la brecha de lado cerrado se trata cada vez más de escala de datos en lugar de arquitectura. La versión corta: un laboratorio con una pila abierta y 2.000 demostraciones bien curadas puede igualar el rendimiento del modelo cerrado en tareas estrechas; igualar la generalización del modelo cerrado en todas las realizaciones y tareas aún requiere licencias de datos cerradas o una operación de teleoperación a escala industrial. Cubrimos el lado de las operaciones de datos en [La Lista de Verificación de Calidad de Datos de Teleoperación]

Lo que se detuvo: la esperanza de que un solo "momento de GPT-4 de código abierto" unificaría el campo. El ecosistema se está fragmentando hacia varios VLA abiertos creíbles, cada uno con diferentes regímenes de licencia y cobertura de datos diferentes. Nuestra recomendación actual, que desarrollamos en su totalidad en [The Best Open-Source Robotics Stack 2026] (T16), es diseñar para la portabilidad entre al menos dos VLAs en lugar de casarse con uno.

6. Qué ver en el segundo trimestre de 2026

• Binuales referencias. Esperar que maduren los referencias públicas para la manipulación de dos brazos, impulsadas por las plataformas de estilo ALOHA y OpenArm. Véase nuestro análisis de fronteras bimanual.
• Hechos de recuerdo humanoide. A medida que las bases de instalación pasan de ~ 1.000 unidades por proveedor, esperemos que se rompan las primeras historias serias de fiabilidad en el campo.
• Fuente de datos cerrados. Espera que al menos una VLA cerrada abra sus pesas o se enfrente a un competidor creíble de pesas abiertas entrenado en una receta filtrada.
• ** Sensores táctiles a escala.** Los sensores de estilo GelSight se están volviendo lo suficientemente baratos como para que las operaciones de teleoperatoria grandes los estén pilotando.
• Latencia VLA-robot. Servir las políticas VLA a velocidades de control útiles en la computación del lado robot sigue siendo el problema de infraestructura menos resuelto.

7. Recomendaciones del profesional

Si estáis estableciendo un plan de 90 días para el segundo trimestre de 2026, estas son las opciones que haríamos hoy:

• ** Datos.** Trate su tubería de teleoperaciones como un producto con SLAs.
• Entrenamiento. Default a LeRobot con OpenVLA o Octo, LoRA-tuned, en un solo H100 o A100 alquilado. Escala a multi-GPU sólo cuando haya demostrado que ha superado el rendimiento de un solo GPU.
• Hardware. Aparezca el robot con la agenda de investigación, no la agenda del robot. Nuestra [ tienda] T19) y [opciones de alquiler] T20) cubren tanto la compra como el alquiler.
• Deployment. Indicar con respecto a su propia suite de evaluación, no a un ranking público.
• Equipo. Contratar una persona de datos por cada dos personas ML. La restricción vinculante en el segundo trimestre será el rendimiento de datos, no la arquitectura del modelo.

8. Nota de cierre

La primera mitad del año 2026 fue poco atractiva en el mejor de los sentidos. Ningún lanzamiento de titulares reorganizó el campo. En cambio, una pila que ha estado tomando forma durante dos años se hizo lo suficientemente utilizable como para que los pequeños laboratorios puedan reproducir ahora los resultados que antes requerían un laboratorio de investigación industrial. La frontera cerrada se movía, pero la frontera abierta se movía más rápido donde era lo más importante para los profesionales: la reproducibilidad, el costo y la velocidad con la que un nuevo estudiante de posgrado puede pasar de un ordenador portátil a una política de trabajo en un robot real.

Si desea la visión completa del RCSV sobre hacia dónde se dirige esto, nuestro análisis de [futuro del mercado de datos de robots]T24) es la pieza acompañante. Y si está evaluando el hardware o los servicios de datos para el próximo trimestre, [entré en contacto]T25) llevamos a cabo una pequeña práctica de asesoramiento para equipos que dimensionan su primera flota real.

** Seguidores.** Explore hardware de RCSV, compare plataformas en la herramienta de comparación, explore conjuntos de datos abiertos, o lea nuestras guías para compradores para obtener asesoramiento sobre la selección más profundo.