La financiación de Embodied AI respalda una apuesta práctica por las fábricas europeas
La financiación de Embodied AI ha impulsado una startup europea de robótica con una promesa poco habitual: automatizar ahora tareas difíciles en fábricas, en lugar de esperar a robots universales.
La empresa, con sede en Lausana, reveló su primera ronda de financiación el 16 de septiembre de 2026. Faber VC lideró la inversión, con la participación de Techshop Capital, Look AI Ventures, Kickfund, Plug and Play San Francisco, Excellis y Vento. No se divulgó el importe.
La cifra ausente importa, pero el detalle más relevante es cómo Embodied AI planea emplear el capital. Quiere desplegar robots directamente dentro de fábricas europeas, recopilar datos de tareas y recurrir a operadores remotos cuando falle la automatización.
La estrategia sitúa a Embodied AI en uno de los lados de un debate cada vez más amplio en robótica. Varios desarrolladores persiguen modelos de propósito general que prometen capacidades amplias en distintas máquinas y entornos. Embodied AI comienza con modelos más acotados, hardware flexible e intervención humana en líneas de producción activas.
La empresa afirma que sus aplicaciones iniciales incluyen la fabricación de productos electrónicos, la preparación de kits, la manipulación de cables flexibles, la logística y el ensamblaje de automóviles. Todas implican variabilidad o destreza física que la automatización convencional suele manejar mal.
Embodied AI no sostiene que la autonomía total haya dejado de importar. Sostiene que las fábricas no deberían tener que esperar por ella.
Qué respalda realmente la financiación de Embodied AI
La ronda financia una estrategia de despliegue en producción, no simplemente otro programa de investigación en robótica.
Embodied AI planea emplear el nuevo capital en cuatro áreas conectadas. Fabricará más robots, desplegará sistemas con clientes industriales europeos, ampliará su infraestructura de datos y entrenamiento, y contratará personal técnico y comercial.
La empresa tiene su sede en Lausana y está abriendo una oficina en Roma. También mantiene presencia en Delft y Boston. El CEO Francesco Stella afirmó que la financiación llevaría su tecnología directamente a las líneas de producción de los clientes y establecería las bases de una fuerza laboral robótica europea.
La empresa no ha identificado a los fabricantes participantes. Afirma que algunos se encuentran entre las mayores compañías industriales de Europa y que los robots están entrando en entornos de electrónica, logística y automoción. Estas afirmaciones sobre despliegues aún no han sido documentadas de forma independiente mediante casos de estudio de clientes.
La distinción entre un piloto y un despliegue sostenido es importante. Un robot puede completar una demostración controlada mientras hay ingenieros cerca. La automatización comercial debe seguir funcionando ante cambios de turno, variaciones de materiales, desgaste de equipos y actividad humana inesperada.
Por ello, Embodied AI ha elegido tareas con límites operativos claros pero una dificultad física significativa. La manipulación de cables flexibles es un ejemplo. Los cables se doblan, retuercen, superponen y cambian de forma al ser agarrados, lo que los hace más difíciles de manipular que las piezas rígidas.
La preparación de kits plantea un reto relacionado. Los trabajadores deben seleccionar y organizar los componentes correctos para un proceso de ensamblaje, a menudo entre configuraciones de producto cambiantes. Un robot debe reconocer piezas, recuperarse de agarres imperfectos y adaptarse cuando un artículo aparece en una posición inesperada.
No se trata de demostraciones cinematográficas. Son actividades rutinarias de producción en las que la fiabilidad, el tiempo de ciclo y los costes de recuperación determinan si la automatización genera valor.
El anuncio de financiación indica que la empresa hará hincapié en retornos medibles para los clientes, en lugar de ambiciones lejanas de robots humanoides. Su informe de lanzamiento describe un sistema integrado verticalmente que abarca hardware propio, teleoperación, recopilación de datos y software de autonomía.
Esta integración da a Embodied AI mayor control sobre el comportamiento del robot. También implica para la startup más trabajo de ingeniería, exposición a la fabricación y requisitos de capital que los que afrontaría una empresa centrada únicamente en software.
La socia de Faber VC, Sofia Santos, afirmó que la tesis de inversión se centraba en un equipo capaz de replantear cómo se construyen y despliegan los robots. El socio de Techshop Capital, Aurelio Mezzotero, destacó el enfoque de la startup en necesidades industriales prácticas.
Son valoraciones de inversores, no una validación independiente. La ronda establece respaldo financiero y un plan de despliegue. Aún no demuestra una economía repetible ni fiabilidad en producción.
Por tanto, el hecho más claro no es que Embodied AI haya resuelto la robótica industrial. Es que los inversores están financiando una vía específica hacia ese objetivo, basada en datos de fábricas reales y respaldo humano continuo.
Por qué los fabricantes europeos necesitan robots más flexibles
Embodied AI apunta a la brecha entre la automatización rígida y el trabajo variable que aún depende de las personas.
Los robots industriales tradicionales sobresalen cuando los ingenieros pueden controlar estrictamente el entorno. Sueldan uniones predeterminadas, trasladan piezas conocidas entre ubicaciones fijas y repiten movimientos programados con gran precisión.
Ese modelo se vuelve menos eficaz cuando los productos cambian con frecuencia o los objetos se deforman durante su manipulación. Cada variación adicional puede requerir nuevos utillajes, código, revisiones de seguridad, pruebas o apoyo especializado.
Las fábricas europeas suelen operar con producción de alta variedad, lo que significa que fabrican varias variantes de producto en volúmenes menores. Esta estructura recompensa la flexibilidad, pero puede debilitar el argumento financiero a favor de una automatización diseñada para una única tarea repetitiva.
La disponibilidad de mano de obra añade presión, aunque las condiciones difieren según el país y la industria. Los fabricantes necesitan sistemas que puedan complementar a los trabajadores cualificados sin obligarlos a rediseñar por completo cada línea de producción.
La respuesta de Embodied AI es la IA física, que conecta el aprendizaje automático con robots que perciben y actúan en entornos reales. El término abarca más que los humanoides. Incluye brazos industriales, máquinas móviles, drones y otros sistemas cuyas decisiones producen consecuencias físicas.
Ese último punto impone un estándar exigente. Un modelo de lenguaje puede producir una frase incorrecta sin dañar una línea de producción. Un robot puede dejar caer un componente, golpear equipos, detener una célula o provocar un incidente de seguridad.
Los fabricantes europeos también deben evaluar la integración, la certificación, el mantenimiento y la formación de la plantilla. Un modelo capaz tiene poco valor comercial si su instalación interrumpe la producción durante meses o exige soporte constante de ingeniería externa.
Embodied AI afirma que sus sistemas pueden integrarse en entornos de producción existentes y aprender tareas individuales mediante el despliegue. Si esta afirmación se sostiene, los clientes podrían automatizar trabajos que cambian con demasiada frecuencia para la programación convencional.
El enfoque llega mientras las instituciones europeas examinan cómo puede la región participar en el mercado de la IA incorporada. Un análisis de Fraunhofer de marzo de 2026 sostuvo que los fabricantes europeos deberían centrarse en componentes robóticos sensibles al coste y al rendimiento.
Esa recomendación refleja la posición singular de Europa. La región cuenta con una profunda experiencia en maquinaria industrial, producción automotriz, sensores y automatización. Compite contra ecosistemas de IA y robótica mejor financiados en Estados Unidos y Asia.
Embodied AI quiere convertir la cercanía a las fábricas europeas en una ventaja de datos. Los despliegues en producción generan ejemplos de fallos reales, materiales, tareas y acciones de recuperación que los sistemas de laboratorio quizá nunca encuentren.
Sin embargo, el acceso por sí solo no crea una tecnología defendible. Los fabricantes pueden restringir la recopilación o transferencia de datos de producción. Distintas fábricas pueden utilizar procesos, equipos, normas de seguridad y sistemas de información incompatibles.
La empresa debe demostrar que aprender de una instalación mejora los despliegues posteriores. De lo contrario, cada nuevo cliente podría seguir siendo un proyecto de ingeniería a medida.
Esa es la cuestión económica central. Los robots flexibles se vuelven atractivos cuando las capacidades se transfieren entre tareas y centros. Se convierten en costosos proyectos de consultoría cuando cada instalación parte de cero.
La financiación de Embodied AI da a la empresa tiempo para probar esa transferencia. Los fabricantes europeos ofrecen ahora el entorno donde la tesis se acumula o se estanca.
El aprendizaje específico por tarea desafía la vía de los modelos fundacionales
Embodied AI apuesta por que varios modelos especializados puedan llegar a las fábricas antes que un único modelo universal de robótica.
La empresa describe su sistema como un “volante de inercia de Embodied AI”. Combina modelos específicos para cada tarea, hardware robótico propio, recopilación de datos, teleoperación y entrenamiento repetido.
Un volante de inercia es un ciclo de retroalimentación que adquiere más valor a medida que opera. En este caso, un robot intenta una tarea, se encuentra con una situación difícil, recibe asistencia humana y registra la corrección resultante.
Los ingenieros pueden entonces utilizar esos datos para mejorar el modelo pertinente. Un mejor rendimiento debería reducir el número de intervenciones, permitiendo que los mismos operadores respalden a más robots.
Es un punto de partida distinto al de un modelo fundacional de robótica, que busca aprender representaciones generales a partir de conjuntos de datos grandes y variados. Estos modelos pretenden transferir habilidades entre objetos, robots y entornos.
La vía más amplia de los modelos fundacionales sigue siendo atractiva porque la generalización puede reducir la ingeniería específica de cada tarea. Un modelo suficientemente capaz podría comprender instrucciones nuevas, reconocer objetos desconocidos y adaptar su comportamiento sin un reentrenamiento extenso.
La limitación es la fiabilidad. La capacidad general no produce automáticamente un comportamiento predecible en un entorno de producción. Una fábrica necesita saber con qué frecuencia falla un sistema, qué sucede durante el fallo y con qué rapidez se recuperan las operaciones.
Embodied AI está priorizando un ámbito operativo más reducido. Cada modelo aborda una tarea definida, mientras la teleoperación cubre los casos que la política automatizada no puede gestionar.
Esta elección intercambia amplitud por control. Un modelo especializado tiene menos situaciones que dominar, lo que facilita evaluar su comportamiento. Sin embargo, una colección de modelos puede generar su propia carga de mantenimiento a medida que cambian las tareas, los componentes y las condiciones de fábrica.
La investigación asociada al equipo de la empresa ofrece cierto respaldo técnico para el lado de hardware de la estrategia. Un estudio revisado por pares sobre una mano flexible, realizado por el CTO Kai Junge y la profesora de EPFL Josie Hughes, examinó una mano robótica con rigidez equivalente a la humana.
Los investigadores informaron de más de 800 agarres sin daños durante 15 horas de operación. En un experimento independiente sobre mesa, la mano completó 70 de 75 pruebas con 24 objetos.
Estos resultados se refieren a una plataforma de investigación y a experimentos controlados. No verifican los robots comerciales de Embodied AI ni el rendimiento de su actual pila de software.
Aun así, ilustran por qué importa la flexibilidad del hardware. Un mecanismo flexible puede deformarse al entrar en contacto con un objeto o una superficie, permitiendo que el cuerpo absorba pequeños errores en lugar de depender por completo de correcciones de software.
Los sistemas rígidos también pueden operar con seguridad mediante sensores, control, protecciones y límites de fuerza. El argumento de Embodied AI es más acotado: la flexibilidad mecánica puede aportar protección y adaptabilidad antes de que el modelo de IA tome una decisión.
La startup también ha participado en investigaciones sobre el despliegue de modelos de visión-lenguaje-acción en robots blandos. Un modelo de visión-lenguaje-acción conecta observaciones visuales e instrucciones lingüísticas con movimientos físicos.
Ese trabajo concluyó que era necesario ajustar los modelos al transferir políticas a distintos cuerpos robóticos. El hallazgo respalda el escepticismo de Embodied AI ante la idea de un control universal sin esfuerzo.
Un modelo entrenado en un robot no comprende automáticamente las dimensiones, la rigidez, las articulaciones ni los movimientos disponibles de otro. Los investigadores denominan a esta diferencia la brecha de incorporación física.
El aprendizaje específico para cada tarea puede reducir esa brecha al entrenarse en torno a una máquina conocida y un proceso de producción definido. El coste es que la habilidad resultante quizá no se transfiera ampliamente.
Por tanto, la competencia real no enfrenta modelos pequeños con modelos grandes de forma aislada. Enfrenta la fiabilidad a corto plazo con la generalidad a largo plazo.
Embodied AI está posicionando los modelos especializados como la primera capa comercial. Las técnicas generales pueden llegar después, cuando alcancen el umbral de fiabilidad requerido.
La teleoperación humana es la red de seguridad del producto y su cuello de botella
La intervención remota puede mantener una línea en funcionamiento, pero Embodied AI debe demostrar que el apoyo humano disminuye a medida que crece su flota.
La arquitectura de la empresa con humanos en el circuito permite que un operador tome el control cuando un robot se encuentra con una condición desconocida. Esto puede resolver un problema inmediato de producción y, al mismo tiempo, crear un ejemplo etiquetado para entrenamientos posteriores.
El diseño reconoce un hecho que el marketing de la robótica a menudo oculta. Los entornos reales contienen situaciones que los datos de entrenamiento no capturaron.
Un componente puede llegar dañado. El embalaje puede reflejar la luz de forma distinta. Un cable puede formar un nuevo nudo. Un trabajador puede colocar un objeto fuera de su zona prevista.
Detener el sistema y esperar a un ingeniero hace que la automatización sea menos útil. La intervención remota ofrece una alternativa más rápida, especialmente cuando un especialista puede atender máquinas en varios centros.
El modelo se parece a otros mercados de automatización en los que operadores humanos gestionan casos límite. Sin embargo, las fábricas imponen exigentes requisitos de respuesta. Un retraso de unos minutos puede afectar a las máquinas posteriores u obligar a los trabajadores a sortear la célula robótica.
Por tanto, Embodied AI debe medir más que el éxito de las tareas. Los clientes necesitarán conocer la frecuencia de las intervenciones, el tiempo de respuesta, el tiempo de recuperación, la disponibilidad de producción y el número de robots que puede supervisar cada operador.
La métrica más reveladora será el número de intervenciones por hora de funcionamiento. Una tasa decreciente respaldaría la afirmación de la empresa sobre su efecto volante. Una tasa estable sugeriría que la teleoperación sigue siendo una necesidad laboral permanente.
Ese resultado no haría necesariamente inviable el producto. El trabajo remoto podría seguir siendo más seguro, escalable o fácil de dotar de personal que ubicar especialistas en cada fábrica.
Sin embargo, cambiaría el modelo de negocio. Embodied AI operaría un servicio de automatización respaldado por personas, en lugar de avanzar de forma constante hacia una producción autónoma.
La calidad de los datos presenta otro riesgo. Las correcciones humanas solo son valiosas cuando el sistema captura con precisión el estado circundante, la acción del operador y el resultado final.
Una corrección puede resolver el problema inmediato sin enseñar una lección reutilizable. Dos intervenciones que parecen similares pueden tener causas físicas distintas.
La startup también necesitará una gobernanza en torno a los datos de fábrica. Las imágenes de producción pueden revelar componentes, diseños, procesos o información de clientes propietarios. Los fabricantes pueden exigir procesamiento local, controles de acceso, límites de retención o restricciones al entrenamiento entre clientes.
La latencia también importa. La operación remota debe seguir siendo ágil y segura cuando cambian las condiciones de red. El robot necesita un comportamiento definido si la conexión falla durante una tarea.
Embodied AI afirma que la seguridad también proviene del diseño mecánico. Los componentes blandos o flexibles pueden reducir las fuerzas durante el contacto, creando una capa de protección física junto con los controles de software.
La evidencia académica es prometedora, pero limitada. Los resultados de agarre en laboratorio no demuestran el cumplimiento de los requisitos de seguridad industrial ni un funcionamiento fiable junto a los trabajadores.
Observadores independientes también advierten contra la suposición de que la inteligencia incorporada elimina las limitaciones físicas. Investigadores de robótica entrevistados para una revisión europea sobre robótica subrayaron que tareas simples de laboratorio pueden volverse difíciles en entornos no controlados.
También señalaron que las capacidades modulares pueden ser más fáciles de certificar que los sistemas de propósito general cuyo comportamiento cambia de formas menos previsibles. Esa observación favorece el enfoque especializado de Embodied AI, pero no elimina el trabajo de certificación.
La empresa debe documentar cómo sus robots detectan la incertidumbre, solicitan ayuda, limitan las fuerzas y devuelven el control tras una intervención. Los clientes también preguntarán quién asume la responsabilidad cuando un operador, un modelo o un componente mecánico comete un error.
Por tanto, la teleoperación es tanto la característica más pragmática de la startup como su riesgo de escalado más visible. Puede cerrar hoy la brecha de autonomía, pero la economía depende de la rapidez con que esa brecha se reduzca.
La financiación de Embodied AI entra en una carrera industrial concurrida
Embodied AI compite al mismo tiempo contra proveedores consolidados de automatización, startups de robótica flexible y desarrolladores de IA de propósito general.
El rival inmediato de la empresa no es un único fabricante de humanoides. Es la combinación existente de robots industriales, integradores de sistemas, maquinaria especializada y mano de obra humana.
Los proveedores convencionales de automatización ofrecen hardware maduro, redes de servicio y procesos de seguridad consolidados. Sus sistemas ya realizan soldadura, ensamblaje, embalaje, inspección y manipulación de materiales a gran volumen.
Los integradores de sistemas conocen cada planta y pueden combinar hardware de varios proveedores. Esa relación con el cliente se convierte en una sólida ventaja cuando una startup propone una nueva plataforma.
Embodied AI debe demostrar que su sistema de aprendizaje reduce el esfuerzo de implementación lo suficiente como para compensar los riesgos de comprar a una empresa joven. También debe proporcionar mantenimiento, piezas de repuesto, actualizaciones y soporte durante la vida útil de los equipos industriales.
Otras startups persiguen oportunidades similares con límites técnicos distintos. Algunas se centran en software de IA que funciona con brazos robóticos existentes. Otras construyen máquinas completas, manos diestras o plataformas humanoides.
Mbodi AI, por ejemplo, promueve la enseñanza mediante lenguaje natural para robots industriales y ha hablado de implementaciones a través de una asociación con ABB. Su propuesta también se centra en reprogramar robots más rápidamente cuando cambian los requisitos de producción.
Mimic Robotics, otra empresa suiza, está desarrollando inteligencia incorporada para uso industrial. Reveló una ronda de financiación mayor en 2025, lo que indica el interés de los inversores en la misma brecha de automatización flexible.
Estas empresas no venden necesariamente productos idénticos. Su presencia muestra que los fabricantes tendrán varias vías para evaluar, incluida la modernización de equipos existentes, la compra de nuevas células especializadas o la adopción de robots integrados verticalmente.
La diferenciación de Embodied AI se basa en tres elementos que trabajan conjuntamente. Utiliza hardware propietario flexible, entrena modelos más pequeños y centrados en tareas, y depende de asistencia humana remota ante la incertidumbre.
La integración vertical puede mejorar la coordinación entre esas capas. El equipo puede diseñar hardware en torno a las limitaciones del modelo y recopilar datos adecuados para su propio sistema de control.
Esa misma integración aumenta el riesgo de ejecución. La producción de hardware consume capital, la implementación en clientes consume tiempo de ingeniería y un servicio de teleoperación genera costes operativos continuos.
Un desarrollador de software puede actualizar un modelo en una flota de máquinas compatibles. Embodied AI también debe gestionar revisiones mecánicas, cadenas de suministro, calibración, reparaciones e instalación específica para cada centro.
Su ubicación puede ofrecer una ventaja práctica. Estar cerca de los clientes europeos puede acortar la retroalimentación sobre las implementaciones y generar confianza en torno a datos de producción sensibles.
La selección de la empresa para una aceleradora de Google DeepMind y su participación en el programa Inception de NVIDIA le proporcionan acceso a redes técnicas. No constituyen una validación del rendimiento en producción ni de la economía para los clientes.
El apoyo anterior ofrece otro punto de referencia útil. Los registros de Venture Kick muestran que la empresa, asociada previamente con el nombre Helix Robotics, recibió CHF 150,000 en 2025. Su perfil de startup también menciona la venta de un producto mínimo viable inicial a MIT en 2024.
La nueva ronda representa un paso desde la comercialización de investigación hacia la implementación en fábricas. Sin embargo, su tamaño no divulgado dificulta juzgar cuánta capacidad de fabricación o margen de operación comercial ha asegurado la empresa.
Esa opacidad también complica las comparaciones con rivales mejor capitalizados. Los inversores pueden aceptar una implementación gradual, pero los clientes industriales necesitan confianza en que un proveedor seguirá disponible durante toda la vida útil de los equipos.
El posicionamiento práctico de Embodied AI es creíble porque se dirige directamente a esos clientes. La siguiente etapa debe sustituir las afirmaciones generales por instalaciones identificadas, datos operativos y decisiones de renovación.
Las tres señales que pondrán a prueba la estrategia de fábrica
La evidencia de clientes, la reducción de las tasas de intervención y las implementaciones repetibles determinarán si la empresa ha construido una plataforma o una colección de pilotos.
La primera señal es una implementación detallada en un cliente. Embodied AI afirma que trabaja con grandes fabricantes europeos, pero no los ha identificado públicamente.
Un estudio de caso útil identificaría la tarea, el entorno de producción, el período de implementación, la disponibilidad, el tiempo de ciclo y el flujo de trabajo anterior. También explicaría con qué frecuencia intervienen las personas y cómo se comporta el sistema ante fallos.
Un logotipo o el anuncio de un piloto aportarían menos evidencia. Los programas de robótica industrial pueden permanecer en evaluación durante largos períodos sin expandirse a otros centros.
Un contrato de producción que cubra células adicionales tendría más peso. Demostraría que un cliente encontró suficiente valor en la primera instalación como para aceptar una exposición operativa más amplia.
La segunda señal es la curva de intervención. El efecto volante de Embodied AI depende de que las correcciones humanas mejoren el comportamiento automatizado.
La empresa no necesita eliminar la asistencia remota de inmediato. Debe demostrar que el funcionamiento repetido reduce la cantidad de apoyo necesaria para una tarea estable.
Una tasa de intervención decreciente reforzaría el argumento a favor del aprendizaje específico para cada tarea. Indicaría que los datos de fábrica crean una ventaja acumulativa y mejoran la economía de implementación.
Una tasa plana o creciente debilitaría esa afirmación. Podría significar que el entorno genera nuevos casos límite más rápido de lo que aprende el sistema, o que las correcciones no se transfieren entre centros.
La tercera señal es la reutilización de las implementaciones. Embodied AI debe demostrar que el conocimiento de una fábrica acorta la siguiente instalación.
Esa reutilización podría manifestarse mediante un modelo transferido entre tareas similares, hardware compartido entre aplicaciones o un proceso de integración estándar que reduzca el tiempo de ingeniería.
Sin reutilización, los ingresos podrían seguir ligados a proyectos personalizados. Esos proyectos pueden resolver problemas valiosos, pero escalan de forma diferente a una plataforma robótica repetible.
Los inversores también deberían vigilar la contratación y la capacidad de producción. La empresa planea contratar investigadores, ingenieros y líderes comerciales en Lausana y Roma, al tiempo que aumenta la producción de robots.
Expandir todas esas funciones simultáneamente puede tensionar a una organización joven. Los defectos de hardware o los retrasos de componentes pueden ralentizar las implementaciones incluso cuando el sistema de IA funciona bien.
Los fabricantes deberían vigilar la documentación de seguridad, los acuerdos de servicio y los controles de datos. Estos detalles revelan si el producto está avanzando más allá de una prueba de ingeniería.
Los desarrolladores deberían vigilar si Embodied AI publica resultados que distingan los beneficios del hardware de las mejoras del modelo. Los mecanismos flexibles, la teleoperación y el software de aprendizaje influyen por separado en el rendimiento.
Una evaluación clara ayudaría a los clientes a entender qué capa resuelve un problema y qué ocurre cuando cambian las condiciones. También facilitaría la comparación de las afirmaciones técnicas con sistemas alternativos.
El anuncio de financiación de Embodied AI es relevante porque respalda una vía deliberadamente acotada hacia la IA física. La empresa quiere aprender dentro de las fábricas, recuperarse mediante la intervención humana y ampliar la autonomía una tarea a la vez.
Esta vía evita fingir que ya existe un robot universal para fábricas. También establece exigentes requisitos de prueba en torno a la seguridad, la viabilidad económica y las operaciones de flota.
Para los equipos que evalúan IA industrial, la pregunta adecuada no es si el robot parece inteligente en una demostración. Pregunten con qué frecuencia necesita ayuda, con qué rapidez se recupera y si su segundo despliegue resulta más sencillo que el primero.
Sigan estas tres señales durante los próximos meses. Si clientes identificados amplían las instalaciones mientras disminuyen las tasas de intervención, la estrategia práctica de Embodied AI ganará credibilidad. Si los pilotos siguen siendo anónimos y el apoyo de mano de obra se mantiene constante, la financiación habrá financiado un experimento interesante en lugar de una fuerza laboral robótica escalable.
