Por qué una mampara de cristal sigue siendo un enemigo para un robot
Cruzar una oficina con paredes de vidrio es trivial para una persona, pero sigue siendo un dolor de cabeza para un robot. Las cámaras RGB pueden ver a través del cristal, así que para un sistema de visión convencional la pared simplemente no está. Los láseres lo pasan peor: parte de la señal se desvía sin regresar al receptor, y la que vuelve puede haber rebotado en objetos detrás del vidrio. El resultado es que el robot cree tener una ruta despejada cuando en realidad va a chocar.
Para atacar este problema, Naitri Rajyaguru y su equipo en la Universidad de Maryland desarrollaron PolarDepth, un método que combina una imagen RGB estándar con información sobre la polarización de la luz para producir mapas de profundidad y estimaciones de movimiento más fiables en escenas con cristal.
Cómo funciona PolarDepth: una cámara, dos lecturas de la misma escena
La polarización describe cómo oscila la luz al reflejarse en una superficie. En una mampara, ese patrón de oscilación contiene pistas geométricas que una foto convencional no registra. PolarDepth explota esa propiedad con un sensor específico.
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 díasEl sistema opera en cuatro pasos:
- Captura una imagen RGB convencional de la escena.
- A partir de la misma cámara genera una segunda imagen, llamada Polar-RGB, que codifica la orientación de la luz.
- Calcula dos mapas de profundidad independientes, uno por cada tipo de imagen.
- Un modelo entrenado fusiona ambos resultados píxel a píxel, dando más peso a la fuente más fiable en cada zona.
En superficies opacas gana la imagen RGB; en cristal, reflejos y espejos gana la polarización. El resultado es una estimación de profundidad más robusta sin necesidad de multiplicar sensores.
Qué midieron los investigadores (y qué no)
Las pruebas de los autores, realizadas en escenas reales y sintéticas con cristal, mostraron mejoras frente a métodos basados solo en RGB tanto en la estimación de distancias como en la odometría visual (cálculo del movimiento de la cámara a partir de las imágenes). Es un avance relevante para navegación autónoma, pero tiene un límite explícito: nada de esto demuestra que la tecnología elimine colisiones en robots en movimiento.
El problema del cristal en robótica no es nuevo. En 2017, un equipo de la Universidad Tecnológica de Sídney publicó un estudio distinto, basado en la intensidad de la luz láser reflejada por paneles acristalados, y reportó haber identificado aproximadamente el 95% de los paneles en pruebas con un robot PR2 en dos edificios de oficinas, sin falsos positivos. Son aproximaciones diferentes al mismo reto.
El contexto: los humanoides llegan a las fábricas, pero no «ven» como nosotros
Este paper llega en un momento clave. Los robots humanoides están dejando los laboratorios para entrar a plantas y almacenes, y muchos de esos despliegues tropiezan con exactamente el tipo de problema que PolarDepth intenta resolver.
Agility Robotics presentó el 15 de septiembre de 2026 su robot Digit 5, diseñado para trabajar junto a personas sin las clásicas vallas de seguridad. La compañía asegura tener más de US$300 millones en pedidos multianuales (cifra a mayo de 2026), acumulados tras más de 65.000 horas operativas de su antecesor Digit 4 en clientes como GXO, Schaeffler, Amazon, Toyota Motor Manufacturing Canada y Mercado Libre. El propio director comercial de Agility, Daniel Diez, resumió el reto a Bloomberg con una frase muy gráfica: «No puedes poner 150 robots en un almacén rodeados de paredes de plexiglás de 3 por 6 metros».
Y es que percepción importa tanto como locomoción. Digit 5 se apoya en cámaras de profundidad y unidades de medición inercial para navegar; aun así, los analistas del S-4 de la salida a bolsa (vía fusión con Churchill Capital Corp XI, valoración de US$2.500 millones) destacan que en 2025 la empresa registró apenas US$1,78 millones en ventas netas y pérdidas operativas por US$140,2 millones, un recordatorio de que la distancia entre demo y fábrica es enorme.
La presión competitiva se acelera. Xpeng cerró una ronda de más de US$900 millones para su unidad de robótica con una valoración superior a los US$6.300 millones, la mayor ronda privada en la industria china de «IA embodied» según el reporte de TechCrunch. Hyundai anunció que llevará al Atlas eléctrico de Boston Dynamics a su fábrica de Georgia y proyecta despliegue industrial hacia 2028. Y Tesla ya utiliza unidades de Optimus en zonas controladas de sus plantas, según reportó The Information.
Qué significa esto para tu startup
Para founders que construyen sobre robótica o visión artificial, la noticia deja tres lecturas prácticas.
1. La «última milla» de la percepción es un hueco abierto. El cristal, los espejos y las superficies reflectantes son un problema conocido y todavía sin resolver de forma generalizada. Cualquier startup que ofrezca fusión de sensores, cámaras de polarización o software de percepción multi-modal entra en un mercado en plena expansión.
- El mercado global de sensores para robótica se estimó en US$1.800 millones en 2024, con proyección a US$2.100 millones en 2026 y US$3.600 millones en 2033, a un CAGR del 8,1% según Grand View Research. El segmento de navegación y mapeo ya representaba el 23,7% de ese mercado en 2024.
- El mercado de robots móviles autónomos (AMR) pasó de US$5.790 millones en 2025 a US$6.830 millones en 2026, y se proyecta a US$13.350 millones en 2030, con un CAGR cercano al 18%, según The Business Research Company. Asia Pacífico concentra más del 50% del mercado de sensores robóticos.
2. El estándar de seguridad aún no existe y eso es una oportunidad. Agility es project leader del borrador ANSI/A3 TR R15.108 y del ISO 25785-1, el primer estándar internacional de seguridad para humanoides. Si tu producto toca seguridad, certificación o compliance en este vertical, hay mesa vacía para sentarse.
3. «Hecho en el laboratorio» no es «hecho en producción». El paper de Maryland mejora métricas de profundidad en escenas de prueba, pero no evita choques. La diferencia entre paper y flotas que entregan US$300 millones en pedidos sin depender de vallas de plexiglás es exactamente el tipo de brecha donde se construyen empresas.
Acción concreta para founders:
- Si trabajas en logística, retail o manufactura, mapea qué porcentaje de tus instalaciones tiene mamparas, escaparates o puertas de cristal: ese porcentaje define la deuda de percepción de cualquier robot que quieras desplegar.
- Si estás evaluando proveedores de AMR o humanoides, pregunta explícitamente cómo manejan superficies transparentes y reflectantes. La respuesta hoy suele ser «con vallado» o «con cintas reflectantes en el cristal».
Conclusión
PolarDepth es un recordatorio útil: la próxima generación de robots no competirá por quién tiene el mejor modelo de lenguaje, sino por quién resuelve los problemas aburridos que los humanos resolvemos sin pensar. Detectar una pared de cristal es uno de ellos. Y mientras los gigantes de la robótica queman millones en pedidos, el stack de percepción que falta —polarización, fusión de sensores, estándares de seguridad— sigue siendo un terreno fértil para startups técnicas que sepan ejecutarlo en producción, no solo en papers.
Fuentes
- Los robots no siempre saben que una pared de cristal existe y eso es un problema – Xataka
- Agility’s New Digit 5 Robot Has $300M in Orders — But There’s a Catch – TechRepublic
- Agility Robotics Debuts Digit 5 Humanoid With New Safety Architecture – Unite.AI
- Robotic Sensors Market Size And Share Report, 2025-2033 – Grand View Research
- Autonomous Mobile Robots Market Size Forecast Report 2026-2030 – The Business Research Company
Leíste lo que hace la IA. ¿Y en tu negocio?
En CAR, dueños de empresa arman en 7 días su primer sistema funcionando: que ningún cliente se les escape, o que el informe del lunes salga solo. Con otros emprendedores al lado.
👥 Probar 7 días
