El brazo Robin de Amazon aprendió a recoger a partir de 394.000 de sus propios agarres desplegados

Robin es el primer brazo robótico propio de Amazon Robotics para clasificar sobres y cajas individuales a partir de pilas desordenadas: ocho ventosas, una vista de cámara cenital y un software que clasifica las posibles recogidas. Empezó a probarse en 2021 y debutó en una instalación de Lakeland, Florida, en 2022. Las primeras estrategias estaban codificadas a mano, y cada una fallaba de una manera característica: una priorizaba los paquetes más grandes y se atascaba cuando los más pequeños estaban encima de ellos o se solapaban; otra favorecía los paquetes cerca de la parte superior de las pilas y seguía sin acertar recogidas enterradas e inalcanzables.

La solución fue dejar que la flota aprendiera por sí misma. El equipo de Amazon entrenó un modelo de aprendizaje automático con más de 394.000 acciones de recogida registradas de brazos desplegados para estimar la probabilidad de éxito de cada acción candidata, y luego usó un clasificador de recogidas en línea para elegir qué debía hacer Robin. En el artículo del equipo de 2023, el mejor método de aprendizaje automático acertó el 93,73% de las veces frente al 92,28% del mejor algoritmo tradicional: una diferencia de 1,45 puntos que significó aproximadamente 16.500 recogidas fallidas menos a lo largo de un periodo de trabajo de más de 1 millón de recogidas.

Un experimento posterior que imitaba las operaciones de la flota de Robin redujo la tasa de recogidas fallidas en un 20% sobre 2 millones de recogidas, presentado en el International Symposium on Experimental Robotics en julio de 2025. Las lecciones de Robin pasaron a Cardinal, un brazo que empaqueta densamente cajas de 50 libras en carros («piénsalo como una partida de Tetris»), y el mismo enfoque de modelo fundacional se extendió a Sparrow, que maneja cientos de millones de tipos de productos sin codificación manual por artículo.

Registrar cada agarre que hace un brazo robótico desplegado, entrenar un modelo para estimar las probabilidades de éxito de cada acción candidata y dejar que clasifique las acciones: la flota se etiqueta a sí misma.

Cada regla creada a mano optimizaba un modo de fallo hacia otro: priorizar los paquetes grandes se atascaba con los solapamientos, priorizar las recogidas superiores dejaba varadas las enterradas.

Los brazos ya generaban datos etiquetados —cada agarre funcionaba o no—, así que entrenar con 394.000 acciones registradas no requirió ningún esfuerzo adicional de etiquetado.

Las diferencias por recogida parecen triviales hasta que se multiplican: Amazon evaluaba las estrategias por fallos por millón de recogidas, donde 1,45 puntos equivalen a 16.500 agarres ahorrados.

A escala de flota, las pequeñas victorias por acción se acumulan: una ventaja de 1,45 puntos en el éxito de recogida son 16.500 fallos menos por millón de recogidas, y el registro de operaciones de tu propia empresa es el conjunto de entrenamiento.

Robin se convirtió en la plantilla de la línea de brazos propios de Amazon: Cardinal (empaquetado denso en carros, primera ejecución en Nashville en noviembre de 2022), Sparrow (modelos fundacionales para identificar y agarrar cientos de millones de productos, eliminando la necesidad de codificar manualmente cada artículo) y Vulcan, el primero en añadir tacto —sensores de retroalimentación de fuerza— a la visión para recoger dentro de cápsulas cubiertas de tela. El director financiero de Amazon dijo en la llamada de resultados de julio de 2026 que la empresa espera más que duplicar su flota de brazos robóticos este año; Amazon Robotics situó los despliegues actuales en el rango de los miles de un solo dígito.