Los Juegos de Robots Humanoides de Pekín baten récords, pero la fábrica es el verdadero rival
Los robots humanoides de Pekín cruzaron un umbral llamativo el 22 de agosto al registrar una carrera de 100 metros en 9,39 segundos, aunque aún necesitan superar pruebas más prácticas fuera de la pista. Los segundos World Humanoid Robot Games también incluyeron máquinas jugando deportes de raqueta, levantando pesas y manipulando judías con pinzas. Los resultados generaron imágenes impactantes. No resolvieron si los humanoides pueden realizar trabajo útil de forma fiable.
El evento de cinco días se celebra hasta el 26 de agosto en el National Speed Skating Oval de Pekín. Su escala pasó de 280 equipos en 2025 a 666 equipos y 2.056 robots inscritos este año. Los organizadores programaron 51 pruebas y 1.301 sesiones de competición, según un avance oficial del evento.
Una noticia breve original de 36Kr difundida a través de RSSHub destacó avances paralelos en las “manos” y los “cerebros” robóticos. Ese planteamiento resume el problema central de ingeniería. Un humanoide útil necesita tanto inteligencia de cuerpo completo como control físico preciso.
Sin embargo, la competencia más importante no es la de robot contra atleta. Es la de rendimiento en competición frente a trabajo repetible en fábricas, almacenes, hoteles y hogares. Un sprint puede revelar equilibrio y rendimiento de los actuadores. Un despliegue en producción debe sumar seguridad, tiempo de actividad, adaptabilidad y una razón económica para mantener la máquina en funcionamiento.
Los récords cambiaron la visibilidad de la robótica humanoide
Los Juegos convirtieron el progreso anual de ingeniería en cifras que los no especialistas pueden entender de inmediato.
Un robot del equipo Tianzhuo completó una serie preliminar de 100 metros en 9,39 segundos. Fue más rápido que el récord mundial humano de 9,58 segundos de Usain Bolt, establecido en 2009. Según el desarrollador del robot, otra carrera alcanzó supuestamente 9,32 segundos durante una prueba previa al evento.
El resultado de 9,39 segundos también contrasta notablemente con el mejor tiempo de los Juegos inaugurales. En 2025, Tien Kung Ultra ganó la final de 100 metros en 21,50 segundos. Reducir el tiempo a menos de la mitad en un año sugiere mejoras importantes en motores, suministro de energía, estructura mecánica, software de control y recuperación del equilibrio.
Una demostración de salto de altura desde parado produjo otra cifra llamativa. El robot alcanzó 2,8843 metros, frente a la mejor marca humanoide cercana a 0,95 metros en los Juegos anteriores. Más tarde, un robot completó los 400 metros en 38,15 segundos.
Estos logros merecen un lenguaje cuidadoso. Los eventos de robots y humanos utilizan cuerpos, reglas, métodos de salto y restricciones de seguridad diferentes. Una máquina que supera una altura durante una demostración desde parado no ha participado en el salto de altura humano bajo las reglas de World Athletics. La comparación sirve para comunicar la escala, no para declarar que los robots son mejores atletas.
Aun así, los resultados del día inaugural reflejan un cambio real en las capacidades. Correr rápido sobre dos piernas exige que el controlador estime la posición del cuerpo, seleccione dónde apoyar los pies y corrija la inestabilidad en fracciones de segundo. Pequeños errores de sincronización pueden hacer que una máquina acabe contra el suelo o una barrera.
El espectáculo mostró esos fallos junto a los récords. Las imágenes de entrenamiento mostraron a un robot que corría a gran velocidad sin lograr detenerse antes de chocar contra el equipo de protección. Otras máquinas tropezaron, perdieron el equilibrio o necesitaron ayuda humana. Esos momentos no fueron una comedia incidental. Mostraron la diferencia entre maximizar una única métrica y gestionar una tarea completa de forma segura.
La competición en general también creció considerablemente. Los organizadores ampliaron el programa de 26 a 51 pruebas, incluidas 30 pruebas competitivas y 21 basadas en escenarios. El número de sesiones pasó de 487 a 1.301. Esa expansión importa porque más ensayos crean más oportunidades para descubrir modos de fallo.
El programa también fue más allá de las pruebas de pista. Los robots jugaron al fútbol, al tenis de mesa y al tenis, donde debían reaccionar a objetos en movimiento y a otros participantes. Las artes marciales, el baile deportivo, la halterofilia, el tira y afloja y las actuaciones grupales exigieron distintas combinaciones de control, potencia y coordinación.
Estas actividades hacen que la robótica resulte comprensible para el público. También dan a los ingenieros objetivos definidos, plazos y resultados comparables. Sin embargo, incluso el récord deportivo más claro dice poco sobre cuántas veces un robot puede completar un turno de ocho horas sin intervención.
Esa brecha genera la tensión real del evento. La pista demostró que una máquina puede moverse muy rápido en condiciones controladas. Las pruebas de escenarios plantearon si la misma pila de ingeniería puede percibir, decidir y manipular cuando el éxito depende de mucho más que la velocidad.
La prueba más difícil cabe entre dos dedos
Las pruebas de manos diestras pusieron bajo presión pública la interfaz más débil y comercialmente importante de la industria.
El evento incluyó ocho tareas de manipulación fina: ensamblaje con herramientas eléctricas, pesaje de polvo, construcción con bloques, fijación de clavos, apertura de botellas, desembalaje de paquetes, manipulación de judías con pinzas y conexión de cables. Cada tarea combinaba percepción con control de fuerza y precisión mecánica.
El desafío de las judías parecía modesto junto a un sprint de récord. Sin embargo, posiblemente era más representativo de los obstáculos que afrontan los robots de propósito general. La máquina tenía que localizar un objeto pequeño, alinear una herramienta, aplicar presión suficiente para sujetarlo y evitar aplastarlo o dejarlo caer.
Esa secuencia es difícil porque la visión por sí sola no puede revelar todo lo que ocurre en el punto de contacto. Una cámara puede estimar dónde se encuentra una judía o un cable. No siempre puede determinar si un dedo ha empezado a deslizarse o si una tapa está a punto de deformarse.
Los sensores táctiles resuelven parte de ese problema. Miden fuerzas de contacto, vibración, temperatura, deformación o movimiento en la mano de un robot. El controlador puede entonces ajustar el agarre antes de que se rompa un objeto frágil o se escape uno liso.
Una investigación reciente sobre detección táctil ilustra la dirección de avance. Los investigadores integraron un sensor multimodal en una mano diestra y combinaron sus señales con un modelo de lenguaje especializado. El sistema interpretaba propiedades como textura, material, temperatura y deslizamiento.
Ese trabajo no significa que se haya resuelto el tacto a nivel humano. Los sensores de laboratorio aún afrontan desafíos de durabilidad, calibración, fabricación e integración. Una piel sensible que funciona durante una demostración también debe resistir polvo, impactos, contacto repetido y miles de horas de operación.
El diseño mecánico añade otra restricción. Más articulaciones pueden producir movimientos más humanos, pero cada una añade motores, cables, variables de control, peso y posibles puntos de fallo. Una mano diestra debe equilibrar flexibilidad frente a coste y facilidad de mantenimiento.
La competición también reveló una importante salvedad sobre la autonomía. En al menos una participación de manipulación de judías, un operador llevaba equipo de detección y controlaba a distancia un robot con ruedas. Por tanto, el concurso de manos diestras evaluó hardware y teleoperación junto con la manipulación autónoma.
La teleoperación sigue siendo valiosa. Permite a los ingenieros recopilar demostraciones, recuperarse de errores y entrenar modelos con acciones humanas. También puede respaldar trabajos peligrosos en los que enviar a una persona al entorno crearía un riesgo inaceptable.
Sin embargo, el control remoto cambia la ecuación comercial. Una máquina que necesita un operador para cada tarea no reduce automáticamente las necesidades de mano de obra. La latencia de red, los fallos de comunicación, la fatiga del operador y los costes de formación pasan a formar parte del sistema.
El siguiente paso no consiste en eliminar a las personas de todos los flujos de trabajo. Consiste en reducir la frecuencia con la que una persona debe intervenir. Un operador podría supervisar varias máquinas y tomar el control solo cuando aparezca un objeto desconocido o una condición inesperada.
La construcción con bloques y la conexión de cables ponen bien a prueba esa transición. Ambas requieren varias acciones en un orden específico. Un robot debe reconocer componentes, mantener la orientación, gestionar el contacto, detectar la finalización y recuperarse cuando el primer intento falla.
Estos son problemas de “mano” y de “cerebro” al mismo tiempo. Unos dedos mejores no pueden compensar un controlador que interpreta mal la escena. Un modelo de planificación mejor no puede compensar unos dedos que carecen de suficiente retroalimentación de fuerza.
Por ello, el resumen de 36Kr en RSSHub acertó al vincular los avances en hardware diestro con la inteligencia coordinada. Las dos vías de desarrollo convergen en el momento del contacto. Ahí es donde la predicción de un robot se convierte en una acción física irreversible.
Los cerebros más grandes deben controlar el cuerpo en tiempo real
El cambio técnico central es una coordinación más estrecha entre la planificación de alto nivel y el control rápido de todo el cuerpo.
Los equipos de robótica suelen describir una división entre un “cerebro grande” y un “cerebro pequeño”. El cerebro grande se ocupa de la percepción, el lenguaje, la planificación de tareas y el razonamiento general. El cerebro pequeño ejecuta el control rápido de motores, las correcciones de equilibrio y las acciones a nivel de articulación.
La distinción es útil, pero los dos sistemas no pueden operar de forma independiente. Un modelo de planificación podría decidir recoger una botella. Los controladores de nivel inferior deben traducir esa intención en movimiento del brazo, colocación de los dedos, fuerza de agarre y equilibrio continuo.
Los deportes rápidos exponen la capa inferior. Durante un sprint, la máquina no puede esperar a que un modelo de propósito general delibere sobre cada paso. Necesita un bucle de control estrechamente optimizado que responda de inmediato a los datos de los sensores.
Las tareas de escenarios requieren ambas capas. Pensemos en abrir un paquete, identificar su contenido y colocarlo en contenedores separados. El robot debe comprender el objetivo, encontrar objetos relevantes, elegir una secuencia de acciones y ejecutar cada contacto de forma segura.
Esta coordinación explica por qué las competiciones deportivas aún pueden contribuir a los robots prácticos. Correr exige equilibrio dinámico, rendimiento de los actuadores, límites térmicos y recuperación. Los deportes de raqueta añaden predicción y coordinación ojo-mano. El fútbol añade navegación, colaboración y decisiones en torno a agentes móviles.
La transferencia no es automática. Un controlador de carrera optimizado para una pista limpia no se convierte en un sistema de almacén simplemente porque ambos implican caminar. La transferencia útil ocurre cuando los desarrolladores reutilizan componentes, métodos de entrenamiento, datos de fallos y principios de control.
El aprendizaje robótico también depende en gran medida de los datos. Los modelos a escala de internet pueden aprender lenguaje y conceptos visuales a partir de contenido digital. Los sistemas físicos necesitan ejemplos que incluyan acción, fuerza, tiempo, estado de los objetos y las consecuencias de los errores.
Las competiciones generan parte de esa información. Cada caída, agarre fallido, giro inestable y reacción tardía puede convertirse en un ejemplo de entrenamiento. Los eventos estandarizados también facilitan las pruebas repetidas frente a demostraciones de producto definidas de manera imprecisa.
Aun así, los datos de competición tienen límites. Las arenas están deliberadamente estructuradas, los objetos se seleccionan de antemano y las reglas restringen lo que puede ocurrir. Los lugares de trabajo reales contienen desorden, cambios de iluminación, embalajes dañados, trabajadores en movimiento y equipos que nunca se diseñaron para robots.
La simulación puede multiplicar el volumen de entrenamiento, pero las diferencias entre el contacto simulado y el físico siguen siendo difíciles. Los materiales se doblan, las superficies resbalan y los motores se comportan de forma diferente según cambian la temperatura o el desgaste. Los desarrolladores deben combinar la práctica simulada con datos físicos y pruebas de campo.
El avance de los Juegos hacia competiciones más autónomas resulta significativo en este contexto. Varias pruebas de pista de mayor distancia exigían que las máquinas percibieran su entorno y navegaran sin control remoto continuo. Esto desplaza la prueba de la velocidad mecánica hacia la autonomía integrada.
La coordinación grupal ofreció otra señal útil. Ochenta robots Booster T2 formaron patrones durante la ceremonia de apertura sin marcas en el suelo ni control remoto directo, según los organizadores y el desarrollador. La exhibición exigió localización, sincronización y evitación de colisiones entre numerosos sistemas independientes.
Una formación coreografiada sigue siendo más sencilla que un entorno laboral no estructurado. Cada participante conoce el plan y los organizadores pueden controlar el entorno. Sin embargo, la operación de grandes grupos proporciona una prueba de estrés práctica para las comunicaciones, la sincronización y la gestión de flotas.
Esta última capacidad será importante en las fábricas. Los compradores rara vez evaluarán una implementación por la mejor acción realizada por un solo prototipo. Preguntarán si decenas de máquinas pueden compartir espacio, recibir asignaciones, informar de problemas y volver al servicio tras el mantenimiento.
En consecuencia, el referente de ingeniería está cambiando. El rendimiento máximo sigue atrayendo atención, pero la inteligencia útil se revela en la recuperación. Un robot debe reconocer cuándo la realidad se ha desviado de su plan y elegir una siguiente acción segura.
La fábrica, no el atleta, es el principal adversario
La adopción comercial se decidirá por la fiabilidad y la economía de las tareas, no por si un humanoide supera a una persona en velocidad.
Una fábrica ya dispone de muchas opciones de automatización. Brazos fijos, sistemas de transporte, visión artificial, vehículos guiados automáticamente y pinzas especializadas suelen realizar tareas específicas con mayor eficiencia que una máquina con forma humana.
Los humanoides presentan su argumento más sólido cuando los entornos y las herramientas fueron diseñados para personas. Las piernas pueden superar umbrales o subir escalones. Los brazos similares a los humanos pueden alcanzar controles existentes, mientras que las manos diestras pueden utilizar objetos que los fabricantes no desean rediseñar.
Esa versatilidad sigue siendo una promesa en evaluación. Las máquinas especializadas suelen beneficiarse de una mecánica más sencilla y de un trabajo claramente definido. Un humanoide asume el coste y la complejidad de articulaciones que una estación concreta quizá no necesite.
Por ello, la evidencia más sólida procede de pruebas reales de producción. Cuatro robots AgiBot Genie G2 completaron una demostración de ocho horas en una línea de ensamblaje de tabletas en Nanchang en abril. Inspeccionaron productos, movieron materiales y separaron anomalías para su recogida por parte de personas.
Según la empresa y representantes de la fábrica, cada operación tardó entre 18 y 20 segundos. Los robots procesaron 310 unidades por hora y, según se informó, superaron una tasa de éxito del 99,9 %. Estas cifras procedían de una implementación controlada y requieren una evaluación independiente continuada.
La prueba de la línea de fábrica sigue siendo más relevante comercialmente que un récord de velocidad. Puso a prueba trabajo repetitivo junto a una cinta transportadora activa, donde un error puede detener la producción o dañar el inventario.
La prueba también pone de relieve por qué importa la coordinación entre manos y cerebro. Según se informó, los robots utilizaron percepción visual y control de fuerza para adaptarse a desviaciones de posición. Tuvieron que identificar objetos, ajustar sus movimientos y colocarlos con precisión al ritmo de producción.
Las plantas automotrices ofrecen otro campo de pruebas. Empresas como UBTech han incorporado sistemas humanoides a fábricas de vehículos para ensayos de manipulación de materiales, inspección y clasificación. Estos entornos ofrecen procesos estructurados, pero aún contienen variaciones, equipos en movimiento y requisitos estrictos de seguridad.
Los centros logísticos ofrecen oportunidades relacionadas. Los robots pueden mover contenedores, clasificar artículos y manipular paquetes mientras utilizan pasillos y estanterías construidos para trabajadores humanos. Sin embargo, los sistemas con ruedas suelen seguir siendo más rápidos y baratos en suelos planos.
Los entornos de servicio plantean presiones distintas. Un robot de hotel necesita interactuar de forma segura con los huéspedes, navegar de manera fiable y recuperarse de forma sencilla. Una máquina doméstica se enfrenta a aún más variación, incluidos niños, mascotas, líquidos, escaleras y objetos desconocidos.
Los Juegos incluyeron pruebas de escenarios para industria, logística, hostelería, servicio doméstico y respuesta ante emergencias. Estas categorías apuntan a los mercados a los que los desarrolladores quieren llegar. No demuestran que los sistemas participantes estén listos para una implementación sin supervisión.
Los compradores examinarán varias mediciones operativas que rara vez aparecen en los vídeos destacados. El tiempo medio entre fallos registra cuánto tiempo opera una máquina antes de averiarse. La tasa de intervención mide con qué frecuencia una persona debe rescatarla. El éxito de las tareas debe mantenerse estable en condiciones cambiantes.
El consumo energético también importa. Un robot que realiza movimientos impresionantes durante varios minutos puede tener dificultades para completar un turno entero sin recargarse ni sustituir la batería. La gestión térmica se vuelve más difícil cuando los motores generan repetidamente un par elevado.
El mantenimiento puede desbordar un caso de compra atractivo. Las manos contienen componentes pequeños expuestos a impactos y desgaste frecuentes. Las caídas pueden dañar a la vez actuadores, sensores, cajas de engranajes, cableado y estructuras externas.
Las normas de seguridad añaden más trabajo. Un robot rápido que opera cerca de personas debe detectarlas, limitar las fuerzas de contacto, detenerse de manera predecible y entrar en un estado seguro tras un fallo de comunicaciones. El rendimiento y la seguridad no pueden seguir siendo vías de ingeniería separadas.
Aquí es donde el encuadre deportivo puede inducir a error. Los récords humanos premian el rendimiento máximo durante un intento breve. La automatización industrial premia el rendimiento predecible durante meses, incluidas las tareas monótonas y las condiciones imperfectas.
Por tanto, la fábrica es el verdadero adversario. Establece un estándar implacable basado en tiempo de actividad, rendimiento, calidad, seguridad y coste operativo total. Un robot no gana por parecer humano. Gana al completar suficiente trabajo valioso para justificar su complejidad.
Lo que los vídeos destacados no demuestran
Los Juegos proporcionan valiosas pruebas de estrés, pero sus resultados aún no demuestran autonomía general ni preparación comercial a gran escala.
En primer lugar, las reglas de las pruebas importan. Las inscripciones autónomas y las operadas a distancia ponen a prueba capacidades diferentes, incluso cuando aparecen en el mismo programa. Informar de un resultado sin indicar el método de control puede hacer que un logro de hardware parezca un logro de autonomía.
En segundo lugar, las comparaciones de récords requieren contexto. Los atletas humanos siguen restricciones biológicas y deportivas estandarizadas. Los robots varían drásticamente en dimensiones, materiales, sistemas de energía y técnicas de competición. La comparación numérica crea un titular intuitivo, no una categoría competitiva común.
En tercer lugar, los entornos guionizados ocultan la larga cola de variación física. Un equipo puede estudiar la arena, practicar con equipamiento conocido y ajustar el comportamiento a un sistema de puntuación específico. Un cliente no puede evitar que aparezcan todos los objetos nuevos o interrupciones.
En cuarto lugar, las demostraciones rara vez revelan datos completos sobre intervenciones. Una máquina puede completar su intento filmado después de que los ingenieros la reinicien varias veces. Sin los intentos totales, fallos, tiempo de recuperación y registros de mantenimiento, los espectadores no pueden calcular un rendimiento fiable.
En quinto lugar, la industria aún carece de suficiente evidencia estandarizada para comparar implementaciones. Los proveedores informan de tasas de éxito bajo condiciones y definiciones diferentes. Una empresa puede considerar exitosa una acción corregida, mientras que otra considera un fallo cualquier intervención humana.
Esto no convierte las competiciones en un teatro vacío. Una fecha límite pública obliga a los equipos a integrar sistemas que, de otro modo, podrían seguir siendo proyectos de laboratorio separados. Los fallos ocurren ante rivales, clientes, investigadores y cámaras.
El formato también crea tareas comunes. Si los organizadores mantienen las reglas, los entornos y los resultados completos, las comparaciones interanuales pueden revelar avances reales. Publicar clasificaciones de autonomía y recuentos de intervenciones reforzaría mucho esas comparaciones.
El apoyo político está acelerando el impulso hacia la evidencia en el terreno. El ministerio de industria y el regulador de activos estatales de China lanzaron un programa de 2026 para el entrenamiento en condiciones reales de humanoides e inteligencia incorporada. Abarca fabricación, logística, mantenimiento, comercio minorista, atención sanitaria y respuesta ante emergencias.
El programa de implementación tiene como objetivo lograr, antes de finalizar el año, una operación validada y rutinaria en entornos representativos. También busca más de 100 escenarios de alto valor y una capacidad de implementación medida en decenas de miles de unidades.
Son objetivos de política, no resultados de mercado confirmados. Muestran que las agencias públicas reconocen la misma brecha revelada por los Juegos. Las máquinas necesitan una exposición más prolongada al trabajo real, datos físicos más ricos y gestión de su ciclo de vida.
La presión geopolítica añade otra incertidumbre. La robótica humanoide forma ahora parte de una competencia más amplia por la IA, los semiconductores, las cadenas de suministro y el liderazgo industrial. Las restricciones comerciales pueden influir en los componentes, el acceso a mercados, las revisiones de seguridad y las alianzas internacionales.
China cuenta con una importante profundidad de fabricación en motores, baterías, electrónica y componentes mecánicos. Las empresas estadounidenses siguen destacando en investigación de IA, chips, software y programas humanoides de alto perfil. Ninguna de las dos ventajas elimina el difícil trabajo de integración.
La principal vía comercial también puede diferir según el mercado. Algunas empresas favorecen humanoides de propósito general entrenados para muchas tareas. Otras construirán sistemas especializados para un sector, utilizando rasgos humanoides solo cuando los entornos existentes lo exijan.
Los Juegos no pueden resolver ese debate. Su variedad recompensa las plataformas flexibles, mientras que una fábrica suele recompensar la optimización estrecha. Los compradores comerciales decidirán si la generalidad genera suficiente valor para compensar el coste y la complejidad adicionales.
Tres señales mostrarán si las habilidades de competición se transfieren
La próxima fase debería evaluarse mediante autonomía, implementación sostenida y fiabilidad de manipulación en condiciones desconocidas.
La primera señal es la autonomía total bajo reglas publicadas. Los resultados futuros deberían identificar claramente si una máquina actuó de forma independiente, siguió un guion preparado o recibió control humano continuo. La frecuencia de intervención debería aparecer junto al tiempo de finalización.
Si los robots autónomos mantienen su velocidad mientras sortean perturbaciones, se fortalecerá el argumento a favor de una inteligencia de cuerpo completo transferible. Si el rendimiento cae bruscamente sin teleoperación, los Juegos seguirán siendo principalmente una exhibición de hardware.
La segunda señal son los datos de fábrica de varios meses. Desarrolladores y clientes deberían informar de horas de funcionamiento, rendimiento, intervenciones, mantenimiento, incidentes de seguridad y cambios de tareas. La expansión de pilotos a pedidos recurrentes tendría más peso que los anuncios de envíos por sí solos.
Una implementación útil debería resistir variaciones que no se programaron individualmente. Debería adaptarse a cambios modestos de distribución, reconocer entradas defectuosas y recuperarse de forma segura. Resultados consistentes en varias instalaciones de clientes reforzarían el argumento comercial.
La tercera señal es la manipulación diestra con menor supervisión. Hay que observar si los robots pueden manipular objetos blandos, reflectantes, irregulares o parcialmente ocultos sin una colocación cuidadosamente preparada. El uso de herramientas y la manipulación de cables ofrecerán pruebas especialmente informativas.
El éxito demostraría que la percepción táctil, la percepción visual, la planificación y el control adaptable convergen en un sistema fiable. Los fallos persistentes indicarían que unas manos mejores y unos modelos mejores aún no pueden coordinarse con calidad de producción.
Los segundos Juegos Mundiales de Robots Humanoides ya han cambiado las expectativas públicas. Un sprint de 9,39 segundos y un salto vertical de 2,8843 metros hacen que las máquinas del año pasado parezcan lejanas. Las pruebas de manipulación fina también llevaron la conversación de cuerpos que caminan hacia un contacto útil.
Sin embargo, la conclusión más sólida es más matizada. La competición se está convirtiendo en un laboratorio de integración acelerada, mientras que la preparación comercial sigue siendo una prueba aparte. RSSHub y 36Kr pusieron de relieve una tendencia real, pero la evidencia decisiva llegará cuando las cámaras se apaguen.
Durante los próximos tres meses, mire más allá de los nuevos récords y analice con qué frecuencia los robots actúan sin necesidad de rescate. Siga si los pilotos en fábricas se convierten en pedidos habituales y si las manos diestras mantienen la precisión con objetos cambiantes. Si esas señales mejoran de forma conjunta, los Juegos habrán logrado más que producir imágenes memorables. Habrán acelerado una vía creíble desde el espectáculo deportivo hacia una inteligencia física útil.
