Una startup robótica en sigilo apuesta por una automatización más simple
Reimagine Robotics salió de su fase de sigilo con un argumento claro sobre lo que la robótica industrial sigue haciendo mal: demasiada carga de la automatización recae en especialistas en lugar de en los trabajadores de primera línea. La startup, con sede en Londres y Sídney, dice que sus sistemas están diseñados para que las personas que realizan el trabajo real puedan mostrarle a un robot una tarea, ver cómo la intenta, corregirlo cuando sea necesario y pasar luego al siguiente cuello de botella.
Esa propuesta sitúa a la compañía en un campo robótico saturado y moldeado por dos restricciones persistentes. Primero, muchas fábricas aún tienen dificultades para automatizar tareas que cambian con frecuencia o que requieren adaptación fuera de flujos de trabajo estrictamente guionizados. Segundo, incluso cuando el hardware robótico está disponible, la implementación puede frenarse porque cada cambio de proceso exige más apoyo de ingeniería del que los operarios pueden proporcionar por sí mismos. La afirmación de Reimagine es que ambos problemas pueden suavizarse si los robots se entrenan más como nuevos compañeros de trabajo que como máquinas de función fija.
Quién está detrás de la empresa
La startup fue cofundada en abril de 2025 por Jonathan Scholz, Oleg Sushkov, Akhil Raju y Misha Denil. Scholz fundó anteriormente el equipo de Applied Robotics de Google DeepMind en Londres y lo dirigió durante siete años, lo que otorgó a la compañía credibilidad inmediata en un mercado que cada vez vincula más el progreso en robótica con los avances en aprendizaje automático.
Ese antecedente importa porque Reimagine no se presenta como un proveedor convencional de automatización industrial. Su enfoque gira explícitamente en torno al aprendizaje en el trabajo habilitado por IA. Scholz describió el enfoque de la empresa como permitir que un trabajador demuestre una tarea, corrija errores y modele iterativamente el comportamiento del robot en el propio lugar. La empresa denomina informalmente a ese proceso “monkey-see, monkey-do”.
El concepto es conocido en términos generales dentro de la investigación en robótica: reducir la programación codificada de forma rígida y depender más de la demostración, la corrección y la adaptación. Lo que distingue el mensaje de Reimagine es la insistencia en que esto debe ocurrir en entornos operativos con personal ordinario, no solo con ingenieros en robótica.
De programar robots a enseñarles
Los robots industriales son potentes cuando las tareas son estables, los entornos están controlados y los equipos de ingeniería pueden dedicar tiempo a perfeccionar los flujos de trabajo. Pero esas condiciones no cubren todos los problemas de fabricación. Muchas instalaciones siguen gestionando productos mixtos, tiradas cortas, traspasos incómodos y pasos físicos repetitivos que son demasiado variables para una automatización simple, pero demasiado tediosos o intensivos en mano de obra como para dejarlos sin tocar para siempre.
Reimagine Robotics dice que su respuesta es mantener a los humanos en el centro. En lugar de eliminar a las personas del proceso, la empresa sostiene que los trabajadores identifican el cuello de botella, enseñan la tarea al robot y lo corrigen hasta que el sistema resulta útil. Esa es una distinción importante porque cambia el papel del trabajo de operador de último recurso a entrenador y propietario del proceso.
Si ese modelo funciona en la práctica, podría cambiar la economía de la implementación. Cada hora que no se pasa esperando a un programador especializado reduce la fricción para el cliente. Más importante aún, hace que la automatización esté disponible para plantas que quizá no cuenten con una profunda experiencia interna en robótica. La barrera pasa a ser si una tarea puede demostrarse y corregirse de forma eficaz, y no si el sitio puede sostener un gran equipo de ingeniería robótica.
Las primeras implementaciones se centran en trabajo práctico de fábrica
Para una empresa que apenas emerge del sigilo, resulta notable que Reimagine ya señale implementaciones reales. Según The Robot Report, uno de los primeros casos de uso implicó fabricación avanzada y desmantelamiento de productos electrónicos. En una empresa de plásticos que produce por encargo, la compañía entrenó robots para supervisar impresoras 3D durante la noche, retirando las bases de impresión, operando pestillos y pulsando controles.
Ese ejemplo es revelador porque no es una demostración glamorosa de robótica. Es exactamente el tipo de flujo de trabajo repetitivo fuera del horario laboral que las fábricas querrían automatizar, pero cuya justificación suele ser difícil si los costes de integración son elevados. El informe también señaló que el propio equipo del cliente utilizó la plataforma para automatizar etapas adicionales como lavado, curado y secado. Si es correcto, eso sugiere que el valor real puede residir menos en una sola tarea que en la capacidad de ampliar la automatización de forma incremental después de la implementación inicial.
La empresa también citó otra implementación en la que sus robots se usaron para recuperar materiales críticos valiosos de discos duros usados. Eso apunta a un segundo ángulo comercial más allá del rendimiento tradicional de fábrica: automatización adaptable para desmontaje, reciclaje y recuperación de materiales. Esos entornos tienden a ser más desordenados y menos estandarizados que las líneas de producción clásicas, lo que los convierte en una buena prueba para las afirmaciones sobre robótica basada en aprendizaje.
Por qué importa el momento
Reimagine entra en el mercado en un momento en que la IA industrial se juzga menos por demostraciones espectaculares y más por su capacidad de sobrevivir al contacto con la planta. Las compañías de robótica se han vuelto más propensas a prometer sistemas adaptables, interfaces en lenguaje natural o entrenamiento basado en demostraciones. Mientras tanto, los compradores buscan pruebas de que estas afirmaciones reducen el tiempo de implementación y producen resultados medibles.
Por eso la salida de Reimagine del sigilo es significativa incluso con detalles limitados. La startup no solo vende un robot; vende un flujo de trabajo sobre cómo la automatización debería expandirse dentro de una instalación. En ese flujo, la experiencia sigue en manos de los trabajadores, mientras que el robot se vuelve más fácil de reutilizar a medida que cambian las necesidades.
La primera fase de la empresa ha sido financiada mediante apoyo pre-seed de Fly Ventures, firstminute capital e inversores ángeles. Por ahora, la gran pregunta es la ejecución. Enseñar mediante demostración suena atractivo, pero la prueba operativa será si los equipos de clientes pueden ampliar realmente las funciones de los robots sin encontrarse con cuellos de botella de fiabilidad, seguridad o mantenimiento.
La verdadera prueba es la repetibilidad
Reimagine Robotics ha elegido un mensaje convincente: los robots deberían poder ser entrenados por las personas que mejor entienden el trabajo. Ese mensaje encaja con un impulso más amplio para hacer que la automatización industrial sea menos frágil y menos dependiente de especialistas escasos. También se ajusta a la realidad comercial de que muchas fábricas quieren victorias pequeñas e inmediatas, no reinvenciones lunares de la producción.
Aun así, salir del sigilo es la parte fácil. La tarea más difícil es demostrar que el “aprendizaje en el trabajo” puede pasar de ser un eslogan persuasivo a un modelo operativo industrial repetible. Si la empresa logra demostrar que el personal del cliente puede enseñar de forma fiable a los robots nuevas tareas en distintos sitios y flujos de trabajo, habrá identificado una apertura relevante en la automatización industrial. Si no, corre el riesgo de convertirse en otra startup robótica cuyo software promete más rápido que la realidad del taller.
Puntos clave
- Reimagine Robotics dice que los trabajadores pueden entrenar directamente a sus robots sin programadores especializados.
- La empresa fue fundada por antiguos líderes de Applied Robotics de Google DeepMind.
- Las primeras implementaciones incluyen supervisión nocturna de impresoras 3D y desmantelamiento de productos electrónicos.
- La startup apunta a una automatización adaptable en fabricación y recuperación de materiales.
- Su principal pregunta comercial es si la enseñanza a robots puede escalar de forma fiable entre sitios.
Este artículo se basa en reportes de The Robot Report. Leer el artículo original.
Originally published on therobotreport.com