NVIDIA y LG acuerdan desarrollar un humanoide bípedo con Isaac GR00T y Jetson Thor

NVIDIA y LG están llevando su alianza de physical AI hacia un humanoide con calendario concreto. Barron’s informó que ambas compañías firmaron un memorando de entendimiento para desarrollar un robot bípedo de nueva generación que LG pretende presentar durante el primer trimestre de 2027. El sistema utilizará el modelo fundacional Isaac GR00T de NVIDIA y la plataforma de cómputo Jetson Thor. La noticia es más relevante que una demostración aislada porque conecta una meta de producto físico con componentes de software y hardware que ya forman parte del ecosistema de robótica que NVIDIA viene construyendo.

El acuerdo no se limita al humanoide. De acuerdo con la declaración conjunta citada por Barron’s, NVIDIA y LG también trabajan en robots con ruedas y en una plataforma de cómputo de alto desempeño para vehículos. Esa amplitud sugiere que la colaboración busca reutilizar capacidades de percepción, razonamiento, simulación y ejecución en distintos tipos de máquinas. La idea de physical AI se vuelve más concreta cuando el mismo stack puede adaptarse a cuerpos diferentes: un humanoide necesita movilidad y manipulación; un robot logístico prioriza navegación y carga; un vehículo requiere otra combinación de sensores, seguridad y tiempo real.

Isaac GR00T funciona como la capa de modelos y herramientas para habilidades robóticas generalistas. NVIDIA describe GR00T como un ecosistema que combina modelos abiertos, datos, simulación, middleware y librerías aceleradas para entrenar y desplegar capacidades en robots humanoides. Jetson Thor cumple otro papel: llevar cómputo de alto rendimiento al propio robot para inferencia y control en tiempo real. La combinación importa porque un robot útil no puede depender únicamente de una inteligencia alojada lejos del dispositivo; parte de la percepción y de las decisiones debe ejecutarse con latencias compatibles con movimiento físico y seguridad.

La relación entre LG y NVIDIA ya incluía una infraestructura de desarrollo más amplia. En junio, NVIDIA anunció con LG Group una “AI factory” destinada a entrenar, simular, validar y desplegar aplicaciones en robótica, conducción autónoma e infraestructura. LG también venía utilizando Isaac Sim e Isaac Lab para probar robots en entornos virtuales antes de exponerlos al mundo real. El nuevo humanoide puede leerse como una extensión de ese pipeline: datos y simulación alimentan modelos, los modelos se prueban en escenarios controlados y el cómputo embarcado ejecuta políticas sobre una máquina que finalmente debe convivir con personas.

El desafío real empieza cuando la inteligencia toca motores, sensores y objetos. En software, un error puede corregirse con un nuevo despliegue; en robótica, una mala percepción o una acción fuera de límites puede tener consecuencias físicas. Por eso el valor del stack no depende solo de que el modelo “razone”, sino de cómo se integran límites de movimiento, detección de obstáculos, control de fuerza, recuperación ante fallos y supervisión humana. Una empresa que adopte robots necesita evaluar el sistema completo, incluyendo mantenimiento mecánico y condiciones ambientales, no únicamente benchmarks del modelo que decide la acción.

Para negocios, el mensaje es que physical AI se parece más a un sistema operativo industrial que a una app aislada. El retorno dependerá de tareas específicas donde una máquina pueda operar con suficiente repetibilidad y seguridad: mover materiales, inspeccionar, asistir en espacios controlados o ejecutar rutinas físicas. El humanoide llama la atención por su forma, pero la decisión empresarial debería comenzar por el flujo de trabajo. Si una plataforma permite reutilizar simulación, modelos y herramientas entre robots diferentes, la organización puede reducir el costo de experimentar y aprender antes de apostar por despliegues grandes.

Un piloto sensato debe medir la tarea antes que el espectáculo. Conviene seleccionar una operación delimitada, registrar tasa de éxito, intervenciones humanas, tiempo de ciclo, incidentes y recuperación ante escenarios inesperados. Después se compara ese rendimiento con el proceso actual y se decide si aumentar autonomía. El acuerdo NVIDIA–LG muestra hacia dónde se mueve la infraestructura de physical AI: modelos generalistas, simulación, cómputo en el borde y cuerpos especializados trabajando como un solo sistema. La ventaja empresarial aparecerá cuando esa combinación resuelva una tarea real de forma más confiable, no cuando el robot simplemente se vea impresionante.