El robot que se deshizo de sus patas para ganar la carrera de IA.

Los robots humanoides han pasado los últimos dos años aprendiendo a caminar con seguridad. El Optimus de Tesla y el Figure 01 de Figure ahora caminan, se equilibran y suben escaleras con una confianza que habría parecido ciencia ficción en 2018. Deslumbrantes cintas de demostración muestran zancadas en cámara lenta, poses a una pierna y ascensos cuidadosos de escaleras industriales, todo respaldado por bandas sonoras de sintetizador que se intensifican.

Esos videos acumulan millones de vistas porque el movimiento bipedal sigue sintiéndose como el santo grial de la robótica. La lógica establece que una máquina que se mueve como un humano debe estar a solo una actualización de software de funcionar como uno. Pero fuera de los laboratorios y los sets de fábricas montadas, esa promesa sigue chocando con el desorden de los hogares reales.

Los entornos domésticos castigan la complejidad. Las cocinas llenan rincones estrechos, superficies reflectantes y encimeras desordenadas en unos pocos metros cuadrados. Los cables se enroscan debajo de las mesas, los niños dejan juguetes en el suelo y las mascotas se deslizan por caminos que un humano de 170 libras no puede compartir de manera segura.

A pesar de la exageración, ningún sistema bípedo realiza de manera fiable tareas a largo plazo en apartamentos desestructurados: limpiar una mesa, clasificar platos, cargar un lavavajillas y limpiar superficies sin supervisión constante. Incluso los clips recientes de humanoides que muestran acciones ligeras de recoger y colocar generalmente involucran configuraciones restringidas, objetos cuidadosamente dispuestos y tomas muy seleccionadas. Caminar parece estar resuelto; la autonomía útil no.

El problema fundamental no es si un robot puede mantenerse en una pierna. Se trata de si una plataforma de propósito general puede manipular cristalería frágil, textiles suaves y objetos irregulares durante 20 a 30 minutos seguidos sin soltar, atorar o chocar con personas. Eso implica una percepción robusta, un control de fuerza fino y una planificación confiable bajo incertidumbre, todo funcionando en hardware que compartirá espacio con niños y mascotas.

La seguridad eleva aún más el estándar. Un tropiezo en una escalera de un laboratorio es un error cómico; un tropiezo cerca de un niño pequeño es una demanda. Hasta que los sistemas bípedos puedan demostrar que fallan de manera controlada—sin movimientos bruscos, sin caídas fuertes, sin articulaciones descontroladas—su implementación en hogares cotidianos sigue siendo una venta difícil.

En ese contexto, una nueva ola de empresas se está haciendo una pregunta herética: ¿realmente necesitan piernas los robots domésticos útiles? Las bases con ruedas, los elevadores verticales y los diseños enfocados en manipuladores están desafiando en silencio la suposición de que caminar debe preceder al trabajo.

Sunday Robotics quiere un robot doméstico que lave los platos antes de hacer parkour. Fundada en 2024 por Tony Zhao, esta startup estadounidense está ignorando la carrera armamentista de brazos humanoides centrada en volteretas y escaladas, y se dirige directamente al trabajo doméstico repetitivo: limpiar mesas, cargar lavavajillas, clasificar la ropa y organizar calcetines.

Su robot, Memo, se asemeja menos a Tesla Optimus y más a un electrodoméstico que le ha crecido una columna vertebral. Una base robusta con ruedas sostiene una columna central telescópica—el elevador del “eje Z”—que permite a Memo alcanzar desde el suelo hasta los gabinetes altos sin dar un solo paso.

Esa columna vertebral vertical es el núcleo del diseño. Memo puede bajar su torso para recoger un calcetín del suelo y luego extenderse para colocar utensilios de vidrio frágiles en la bandeja superior de un lavavajillas o en un armario superior, todo mientras su base permanece fija.

En lugar de manos frágiles de cinco dedos impulsadas por tendones, Memo utiliza pinzas robustas y orientadas a la tarea. Estas sujetan platos, tazas y utensilios con una fuerza constante, pero también modulan el agarre para manejar copas de vino delgadas y otros objetos quebradizos sin romperlos.

Esas elecciones de hardware vienen con un intercambio muy explícito. Memo no puede subir escaleras, y Sunday Robotics no intenta ocultarlo; la empresa lo considera una limitación intencionada para simplificar todo lo demás: equilibrio, energía, mantenimiento y costo.

Al omitir las patas, Memo obtiene un bajo centro de gravedad y una estabilidad sólida como una roca en suelos planos, las superficies que predominan en cocinas y salas de estar. Esa estabilidad, además de sus ruedas eficientes, ayuda a ofrecer más de 4 horas de funcionamiento por carga en lugar de agotar las baterías en el equilibrio dinámico.

La simplicidad mecánica también significa menos actuadores, menos puntos de falla y un mantenimiento más sencillo. Sunday puede concentrar sus esfuerzos de ingeniería en la manipulación, la percepción y la planificación a largo plazo, en lugar de depurar las articulaciones del tobillo.

El desempeño se muestra en las primeras demostraciones de capacidad. Memo limpia de forma autónoma mesas de cena desordenadas, clasifica cubiertos y platos, y los coloca en un lavavajillas con una colocación consistente.

También aborda tareas más suaves y menos rígidas. Memo recoge camisetas y calcetines arrugados del suelo, los alisa y los dobla en una mesa, y los apila en montones ordenados, despacio por ahora, pero sin operación telemática cuadro a cuadro.

La robótica se encuentra con un obstáculo mucho antes de enfrentarse a las escaleras: los datos. Entrenar a un robot para limpiar una mesa, cargar un lavavajillas o doblar calcetines requiere millones de ejemplos de movimiento y fuerza precisos, no solo imágenes atractivas. Esto crea un brutal "bloqueo de datos" donde necesitas robots capacitados para recolectar buenos datos, pero primero necesitas esos datos para hacer que los robots sean capacitados.

La teleoperación tradicional intenta forzar las cosas. Las empresas equipan a operadores expertos con sistemas de realidad virtual y hápticos de más de $20,000, y luego transmiten sus movimientos a un brazo robótico. Esas sesiones consumen tiempo, dinero y atención humana, generando datos a un goteo que no puede igualar la escala que necesitan los grandes modelos.

La simulación prometía un atajo. Los equipos crean infinitas cocinas virtuales y entrenan políticas en motores de física, con la esperanza de transferirlas a la realidad. Pero la brecha entre la simulación y la realidad—pequeñas desajustes en la fricción, el ruido de sensores o la geometría de los objetos—sigue causando un comportamiento frágil cuando un robot se enfrenta a un plato grasoso real o a una encimera deformada.

El video humano parece ser una respuesta porque YouTube, TikTok y conjuntos de datos internos ofrecen miles de millones de fotogramas de personas realizando tareas. Sin embargo, un flujo de cámara rara vez captura las cantidades críticas: fuerzas de contacto, deslizamiento de los dedos, torques en las articulaciones, microajustes cuando un vaso comienza a inclinarse. Para la manipulación delicada, perder esos datos es como entrenar a un coche autónomo con grabaciones de cámara de salpicadero sin tener en cuenta el ángulo de dirección o el acelerador.

La apuesta del domingo, y el consenso emergente de la industria, es que quien logre una recolección de datos económica y de alta fidelidad ganará la carrera. Un sistema escalable que registre el movimiento completo en 6 grados de libertad, perfiles de fuerza y el estado de los objetos en miles de hogares reales nutriría un modelo base de robot de la misma manera que ImageNet alimentó la visión y Common Crawl alimentó el moderno modelo de lenguaje grande.

Los analistas ya enmarcan esto como la principal ventaja competitiva en robótica humanoide y doméstica; informes como Robots humanoides 2025: La carrera hacia la inteligencia útil argumentan que los datos, no el hardware, distinguirán a los ganadores de las demostraciones.

La respuesta de Sunday al bloqueo de datos no es un laboratorio humanoide de $200,000, sino un Guante para Captura de Habilidades de $200. En lugar de aparcar un robot de seis cifras en una sala de investigación y manejarlo como un marioneta, Sunday envía estos guantes a personas comunes y registra cómo limpian, clasifican y cocinan realmente en la vida real. Cada guante registra datos de movimiento y fuerza detallados directamente de las manos humanas, cuadro por cuadro, mientras alguien limpia una superficie o carga un lavavajillas.

Los sistemas tradicionales de teleoperación parecen algo sacado de un estudio de captura de movimiento: configuraciones de múltiples cámaras, cascos de realidad virtual, controladores hápticos y un robot dedicado al otro lado. Una única estación de teleoperación de alta calidad puede costar $20,000 o más una vez que se suman el hardware, el espacio y un operador. El guante de Sunday cuesta aproximadamente $200 para fabricar y enviar, por lo que el mismo capital que compra un sistema puede financiar cien hogares.

La eficiencia de capital se traduce directamente en escala. En lugar de que un experto opere un robot en un laboratorio, cientos de personas pueden generar datos en paralelo mientras llevan a cabo su vida cotidiana. Sunday llama a estas personas “Desarrolladores de Memoria”—no robóticos, solo usuarios comunes que usan un guante mientras realizan tareas.

Un Desarrollador de Memoria podría ejecutar una docena de “episodios” en una sola tarde: limpiar una mesa de cena desordenada, raspar platos, clasificar utensilios y organizar frágil cristalería. Cada episodio se convierte en una secuencia etiquetada de posturas de las manos, fuerzas de contacto e interacciones con los objetos, emparejadas con la percepción del robot sobre la escena. Con el tiempo, estas secuencias forman una vasta biblioteca de “cómo los humanos realmente realizan las tareas del hogar” en lugar de demostraciones idealizadas de laboratorio.

Sunday ya ha enviado más de 2,000 Guantes de Captura de Habilidades a los primeros Desarrolladores de Memoria. Estos guantes están activos en aproximadamente 500 hogares, desde apartamentos pequeños hasta amplias cocinas suburbanas, brindando a la base de datos una diversidad que ninguna casa de prueba singular puede igualar. Cada hogar añade nuevos diseños, condiciones de iluminación y extrañas situaciones peculiares—cajones de trastos, vasos de niños, platos astillados—que un robot debe manejar con gracia.

Toda esa actividad se agrupa en una escala que comienza a parecerse más a los datos de internet que a los datos de robótica. Sunday afirma haber registrado alrededor de 10 millones de episodios de tareas hasta ahora, cada uno una grabación estructurada de una tarea real en un hogar real. Ese volumen respalda la afirmación de la empresa de que su modelo Act One se entrena con “cero datos de teleoperación de robots”—el robot aprende primero de manos humanas y luego transfiere esas habilidades a los manipuladores de Memo.

Los datos de los guantes no solo enseñan a Memo cómo moverse; se convierten en la columna vertebral del modelo de fundación ACT-1 del domingo. Cada vez que un "desarrollador de memoria" limpia un mostrador o carga un lavavajillas mientras usa el Guante de Captura de Habilidades de $200, el sistema registra trayectorias precisas de las articulaciones y perfiles de fuerza a alta frecuencia, junto con video RGB-D de la escena.

Los recorridos del domingo canalizan este flujo multimodal hacia ACT-1 como si estuvieran entrenando un modelo de lenguaje grande, pero para acciones físicas en lugar de palabras. El modelo aprende un vocabulario de movimientos: agarrar, fregar, clasificar, apilar—y cómo los humanos los ordenan a lo largo de minutos, no segundos, en aproximadamente 500 hogares reales y más de 2,000 guantes enviados.

De manera crucial, ACT-1 se entrena con cero datos de teleoperación de robots. Ningún ingeniero controla a Memo con un joystick, ningún costoso sistema de captura de movimiento envuelve al robot; toda la fase de preentrenamiento ocurre en el espacio humano, luego un mapeo aprendido traduce los movimientos de la mano y el brazo humanos a la cinemática de Memo.

Esa capa de traducción maneja los detalles complicados: diferentes longitudes de extremidades, límites articulares y el hecho de que Memo rueda en lugar de caminar. ACT-1 genera planes de acción de alto nivel y señales de control continuo, mientras que un controlador de nivel inferior impone la seguridad, las fuerzas de contacto y la evitación de colisiones en el hardware real.

La autonomía a largo plazo está en el centro de la apuesta del domingo. ACT-1 no solo aprende a recoger un plato; aprende toda la rutina de limpiar una mesa de cena desordenada, clasificar los platos, abrir el lavavajillas, cargar los estantes y cerrar la puerta sin que una persona intervenga.

Esas rutinas implican docenas de subpasos: moverse alrededor de las sillas, evitar utensilios apilados, elegir dónde colocar cada artículo. ACT-1 codifica estos como planes temporales, lo que permite a Memo recuperarse cuando algo cambia—un plato en un nuevo lugar, una silla ligeramente fuera de su sitio—sin necesidad de reiniciar toda la tarea.

La generalización cero disparo hace que esto sea viable fuera de un laboratorio. Debido a que ACT-1 ve diferentes distribuciones, condiciones de iluminación y patrones de desorden durante el entrenamiento, Sunday afirma que Memo puede entrar en una nueva cocina y realizar tareas como:

• 1Limpiando las encimeras
• 2Despejando una mesa
• 3Cargando un lavavajillas

todo sin ajustes específicos para tareas, solo una breve calibración y un comando en lenguaje natural.

La robótica humanoide ahora parece una bifurcación en el camino. Sunday Robotics está tomando sin disculpas el camino de la función sobre la forma: ruedas, una columna telescópica y brazos que realmente limpian mesas, clasifican desorden y cargan lavavajillas. Tesla Optimus, Figure 01 y el G1 de Unitree están apostando por las piernas, confiando en que una silueta humana y la capacidad de subir escaleras importen más que la eficiencia en la realización de tareas.

En un apartamento típico o en una casa de un solo nivel, las ruedas ganan silenciosamente. Una base con ruedas proporciona a Memo una larga duración de batería, alta estabilidad y menos modos de fallo que un bípede con más de 30 actuadores que lucha constantemente contra la gravedad. Sacrificas escaleras, pero ganas horas de funcionamiento y una historia de mantenimiento mucho más sencilla.

La utilidad doméstica hoy en día se encuentra al final del brazo, no al final de la pierna. Limpiar una mesa de cena desordenada, cargar un lavavajillas o doblar un montón de calcetines son problemas de manipulación a largo plazo: percepción, planificación y control hábil. Si el robot camina o rueda hacia la cocina es mucho menos relevante que su capacidad para reconocer un vaso frágil, agarrarlo de manera segura y no romperlo.

La mayoría de los primeros clientes de un robot doméstico que cuesta entre $20,000 y $80,000 no preguntarán: “¿Puede escalar?”, sino más bien: “¿Puede manejar mi cocina sin supervisión?” Sunday está apostando a que una vez que un robot pueda manipular de manera robusta en cientos de hogares reales—con datos de guantes de 500 hogares y contando—la locomoción se convierte en una mejora de ingeniería solucionable, no en el diferenciador principal. Puedes rediseñar una base; no puedes actualizar un modelo de base maduro de la noche a la mañana.

Los críticos argumentan que los compradores en este rango de precios probablemente viven en casas de varios pisos con escaleras, lo cual el video menciona explícitamente como una demografía probable. La apuesta contraria de Sunday es que esos mismos compradores tolerarán un robot de primera generación que se encargue del piso principal y ignore el de arriba, especialmente si hace los platos y la ropa de manera confiable. Las escaleras se convierten en una posible revisión de hardware futura o en un complemento de nicho, no en un obstáculo para la captura inicial del mercado.

Para quienes estén siguiendo cómo se desarrolla esta división estratégica en términos de hardware, datos y cronogramas de implementación, Robots Humanoides: De Demos a Implementación ofrece un telón de fondo útil para la apuesta arriesgada del domingo en cuanto a ruedas.

China opera una especie de universo paralelo para robots prácticos, y se ve muy diferente a los brillantes reclamos de humanoides del Área de la Bahía. En lugar de heroicidades en las escaleras, tenemos flotas de máquinas cuadradas que silenciosamente limpian las calles a las 3 a.m. y humanoides que evitan el parkour para dominar la lavandería. El enfoque cambia de “¿Puede caminar?” a “¿Puede limpiar, clasificar y reorganizar una habitación más rápido que un humano?”

En las calles de Shenzhen, ese pragmatismo se convierte en competencia. Un reciente concurso de robots de saneamiento alineó docenas de limpiadores autónomos de diferentes proveedores y los soltó en las verdaderas calles de la ciudad, no en maquetas de laboratorio. Los organizadores midieron la cobertura, la evasión de obstáculos y el tiempo de actividad a lo largo de largas rutas con tráfico real, peatones y suciedad.

Estos robots de saneamiento se especializan a fondo. La mayoría se desplaza sobre plataformas de ruedas de bajo perfil con grandes tanques de agua, cepillos giratorios y cúpulas de lidar, diseñados para bordillos, carriles bici y pasos peatonales. En lugar de buscar acrobacias, los equipos optimizan algoritmos de enrutamiento, cambios de batería y paneles de gestión de flotas remotas que pueden despachar o reenviar docenas de unidades en segundos.

Las calles de Shenzhen se convierten efectivamente en una suite de referencia en vivo. A los funcionarios de la ciudad no les importa si un robot parece humano; les importa los metros cuadrados limpiados por hora, los informes de incidentes y los costos de mantenimiento. Esa presión recompensa a los sistemas que pueden funcionar de 8 a 12 horas al día, tolerar la lluvia y el polvo, y pasar a la teleoperación de manera eficiente cuando un camión de entrega bloquea el carril.

En interiores, una demostración china diferente muestra hasta dónde puede llevar el aprendizaje por imitación a los humanoides una vez que se resuelve el problema de “¿qué debería hacer?”. La empresa de robótica Mindon tomó un Unitree G1 de stock—un humanoide relativamente económico que se vende en el rango de $16,000 a $20,000—y lo convirtió en un ama de casa sorprendentemente capaz. Sin hardware exótico, sin exoesqueleto personalizado, solo entrenamiento más inteligente.

Los clips de Mindon muestran al G1 atravesando las tareas del hogar a una velocidad casi inquietante. El robot limpia mostradores con movimientos suaves y continuos, clasifica el desorden en contenedores, abre armarios y manipula botellas y cajas con una coordinación a dos manos que se asemeja más a un humano acelerado que a un brazo industrial cauteloso. La demostración se realiza en apartamentos reales, no en cocinas falsas montadas.

Bajo el capó, Mindon se basa en demostraciones humanas de alta calidad y un avanzado aprendizaje de políticas para comprimir rutinas complejas de múltiples pasos en una única pila de control. En lugar de programar “recoger plato → caminar → abrir lavavajillas”, el sistema aprende trayectorias y perfiles de fuerza de humanos que realizan el trabajo de principio a fin. El resultado: un humanoide que se comporta menos como un títere de captura de movimiento y más como un interno sobrecafeinado.

Tomados en conjunto, las flotas de saneamiento de Shenzhen y el G1 optimizado para tareas de Mindon subrayan un cambio global. El progreso real se agrupa en dominios estrechos pero valiosos—limpieza de calles, reorganización de cocinas, ciclos de lavandería—mientras la industria aún debate sobre patas versus ruedas. La apariencia del chasis, si se asemeja a una persona, importa menos que si el modelo de lenguaje grande y el sistema de control en la parte superior pueden convertir demostraciones en bruto en trabajo fiable, rápido y repetible.

Sourcey llega como el anti-Memo: un robot doméstico de código abierto que intercambia hardware pulido y un ecosistema cerrado por la capacidad de ser modificado y la transparencia. Mientras que el Memo de domingo oculta su cerebro y firmware detrás de acuerdos de confidencialidad y betas solo por invitación, Sourcey se envía con un repositorio de GitHub, documentación y la expectativa de que abrirás el capó.

Construido como un “robot personal para el hogar”, Sourcey se centra en la misma categoría de tareas: limpiar, organizar, rutinas domésticas simples, pero expone cada capa de la estructura. Los usuarios pueden entrenarlo mediante demostraciones: muestran a Sourcey cómo quieren que se apilen las toallas o se guarden los juguetes, y sus modelos de IA refinan el comportamiento a lo largo de múltiples sesiones en lugar de depender de un enorme conjunto de datos centralizado.

Bajo la superficie, Sourcey se basa en el framework Larot, una biblioteca de robótica de código abierto que maneja el movimiento, la percepción y el control. El acceso completo al código fuente, a las APIs y a los archivos de configuración convierte al robot en un laboratorio vivo para: - Programación de robótica - Aprendizaje automático - Interacción humano-robot en el mundo real

El precio podría ser la característica más radical de Sourcey. Con un costo inicial de alrededor de $1,500, supera a los humanoides como el G1 de Unitree o el Neo de 1X, que tienen un precio más cercano a los $16,000–$20,000 o a tarifas de suscripción de alrededor de $500 al mes. Este cambio de costo traslada la robótica doméstica de los laboratorios de investigación y las startups bien financiadas a los espacios maker, aulas y serios entusiastas.

Sientes el compromiso de inmediato. Sourcey no persigue el acabado elegante y parecido a un electrodoméstico que buscan Memo o Tesla Optimus; se comporta más como un kit de desarrollo sobre ruedas. Pero para educadores y desarrolladores independientes, esa aspereza es una característica, no un defecto: cada sensor, comportamiento y caso de fallo se convierte en algo enseñable.

En términos generales, Sourcey vs Memo se asemeja a la división Linux vs Windows en el ámbito de los robots domésticos. Memo apuesta por una experiencia verticalmente integrada y estrictamente controlada; Sourcey confía en que una plataforma desordenada y impulsada por la comunidad se moverá más rápido, romperá más cosas y, en última instancia, enseñará a más personas cómo funcionan realmente los robots domésticos.

Sunday, Figure, Tesla y Sourcey hablan todos de robots de "propósito general", pero sus hojas de ruta no podrían verse más diferentes. Sunday quiere Memo en hogares reales para 2026 a través de una beta exclusiva de aproximadamente 50 hogares, después de ya haber enviado más de 2,000 Guantes de Captura de Habilidades y recopilar datos de alrededor de 500 hogares. Sourcey está enviando ahora como una plataforma de código abierto de $1,500 para aficionados, priorizando la experimentación sobre la autonomía pulida.

Los jugadores industriales humanoides siguen un arco más lento, priorizando la fábrica. Figure ha firmado acuerdos con BMW y otros para pilotar Figure 01 en líneas de fabricación altamente controladas, un camino similar a las ambiciones de Optimus de Tesla. Productos como 1X Neo y Unitree G1 también se centran en implementaciones empresariales y laboratorios de investigación antes de siquiera hablar de una línea de tiempo para consumidores, a pesar de la cobertura llamativa como Figure 03 – Mejores Inventos de 2025 (Time).

La apuesta del domingo: omitir la fábrica y dirigirse directamente a la cocina. Una beta en el hogar para 2026 pondría a Memo frente a usuarios que pagan o están cerca de pagar años antes de que la mayoría de los robots bípedos tengan certificaciones UL, contratos de servicio o manuales de soporte al consumidor. Esa postura centrada en el hogar obliga a Sunday a resolver realidades complicadas ahora: migas bajo las mesas, mostradores desordenados, iluminación extraña, niños y mascotas, en lugar de las células de trabajo cuidadosamente cercadas de una planta automotriz.

Quién entrega valor tangible primero depende de qué "trabajo" te importe. Un robot de fábrica que puede mover partes de manera confiable 24/7 ya tiene un ROI claro y un comprador con un presupuesto asignado. Pero un robot doméstico que puede realmente despejar una mesa, cargar un lavavajillas y doblar la ropa—aunque sea lentamente—resuelve un problema diario para millones de personas, no solo para unos pocos OEMs.

El hardware por sí solo no decidirá esa carrera. El Guante de Captura de Habilidades de domingo ataca el bloqueo de datos, construyendo un pipeline propietario de trayectorias de manipulación en el hogar real que alimenta su modelo ACT-1. Figuras como Tesla y otros confían en la teleoperación, datos sintéticos y grandes corporas de video, pero aún requieren anotaciones escalables, capas de seguridad y herramientas de implementación.

Quien logre dominar el ciclo completo—recolección de datos, entrenamiento de modelos, inteligencia en el robot, además de una estrategia de comercialización que realmente lleve las máquinas a hogares o fábricas—ganará. Las patas, ruedas o orugas son solo el chasis para ese motor de software y datos.

Tu primer verdadero compañero de cuarto robot probablemente tiene ruedas. No porque los ingenieros hayan abandonado las piernas, sino porque las ruedas te llevan al lavaplatos más rápido que una zancada bípeda. En una carrera juzgada por las tareas del hogar, una base estable y una larga duración de la batería siempre superan a la acrobacia.

Los robots humanoides como Tesla Optimus, Figure 01 y Unitree G1 todavía persiguen la biomimética: rodillas, tobillos y una marcha similar a la humana cuidadosamente ajustada. Memo de Sunday Robotics ignora todo eso y coloca un torso telescópico sobre una plataforma con ruedas que se desliza entre encimeras y armarios. Cambia las escaleras por más de cuatro horas de autonomía y menos formas de caer sobre tu cristalería.

Las métricas de éxito están cambiando silenciosamente. En lugar de presumir por las escaladas de escaleras o el parkour, los nuevos derechos de presumir son: - Mesa de cena desordenada limpiada de extremo a extremo - Platos, tazones y cubiertos ordenados y cargados en un lavavajillas - Copas frágiles manipuladas sin una sola grieta - Montones de calcetines doblados en pilas ordenadas

La pila completa de Memo gira en torno a esos resultados. Sunday envía un Guante de Captura de Habilidades que cuesta unos pocos cientos de dólares, no un equipo de captura de movimiento de $20,000, y ya ha enviado más de 2,000 de ellos al mercado. Cerca de 500 hogares ahora transmiten datos de coreografías reales de vuelta a Sunday, convirtiendo las rutinas diarias en un conjunto de entrenamiento para el modelo base ACT-1 de la empresa.

Esa estrategia centrada en los datos permite a ACT-1 intentar una generalización "cero disparos": ver una nueva cocina, inferir dónde viven los utensilios y aún así llevar a cabo un ciclo de limpieza de múltiples pasos. A nadie le importa si la forma de caminar del robot parece extraña cuando puede limpiar una mesa, clasificar las sobras y cargar el lavavajillas mientras tú estás en una llamada de Zoom. La forma se convierte en un detalle de la interfaz de usuario; la función se convierte en el producto.

Los planes de Sunday incluyen una beta exclusiva para unas 50 casas en 2026, un número conservador que aún eclipsa cuántos humanoides completos ha instalado silenciosamente cualquier laboratorio en hogares reales. Si ese lanzamiento tiene éxito, los robots con ruedas y torso podrían adelantarse a los prototipos con patas que aún están perfeccionando su caminar. Cuando finalmente compres un robot para compartir tu cocina, ¿elegirás el que más se parezca a ti o el que simplemente haga más cosas?

¿Qué es el robot Memo de Sunday Robotics?

Memo es un robot doméstico de propósito general diseñado para tareas del hogar. Utiliza una base con ruedas y un elevador vertical para estabilidad y alcance, en lugar de piernas humanoides.

¿Cómo se diferencia Memo de robots como Tesla Optimus o Figure 01?

Las principales diferencias son su formato con ruedas para entornos domésticos y su método de entrenamiento. Memo se entrena utilizando datos de un 'Guante de Captura de Habilidades' de bajo costo que llevan los humanos, no de costosos dispositivos de teleoperación.

¿Qué es el 'Guante de Captura de Habilidades'?

Es un dispositivo de bajo costo que Sunday Robotics envía a los usuarios para registrar datos de movimiento y fuerza mientras realizan tareas. Estos datos se utilizan luego para entrenar el modelo de inteligencia artificial base del robot Memo, ACT-1.

¿Cuándo estará disponible para comprar el robot Sunday Memo?

La empresa ha anunciado un programa beta por invitación únicamente, previsto para 2026. Se espera que siga un lanzamiento más amplio al consumidor, pero no se ha fijado una fecha específica.