NEURA Robotics presenta Neuron AI, un modelo fundacional para la IA física

NEURA Robotics presentó Neuron AI, su modelo fundacional multimodal para la IA física, el 14 de octubre de 2026, en un anuncio desde Metzingen, Alemania. Según la empresa, la arquitectura de percepción-lenguaje-acción (PLA) del modelo vincula la vista, el oído y el tacto del robot con lo que ya ha hecho, y convierte la información multisensorial en acciones físicas.

El fundador y director ejecutivo, David Reger, afirmó que los robots inteligentes necesitan un cerebro que unifique sus sentidos y recuerde acontecimientos pasados. «Con Neuron AI estamos construyendo el cerebro del mundo físico», dijo, y describió el modelo como IA física desarrollada en Alemania y creada para el mundo.

La página del producto divide el modelo en tres partes: una capa de percepción mediante la cual el robot ve, toca y oye, conoce su propio cuerpo y recibe las instrucciones del usuario; un modelo de lenguaje que integra todas las entradas en un espacio lingüístico común y razona sobre la solicitud; y un modelo de acción que traduce las decisiones en movimientos robóticos precisos y seguros. En este proceso, cada modalidad se codifica en una representación común y sincronizada temporalmente antes de condicionarse para generar un único flujo de acciones.

Percepción multisensorial y memoria

El argumento de NEURA a favor del modelo parte de las limitaciones de las cámaras: captan la geometría, el color y la posición, pero no aportan información sobre el contacto, la fuerza ni el sonido. Como señala el anuncio, las personas no se guían únicamente por la vista: sienten cuando un tornillo se atasca y oyen cómo un conector encaja en su sitio. Neuron AI aplica el mismo principio a los robots.

La empresa afirmó que los sentidos adicionales son más importantes en tareas que las cámaras no pueden resolver por sí solas. Cuando un robot abre una cerradura, solo el sonido y el tacto permiten confirmar que realmente está abierta, y el tacto le permite agarrar objetos que no están a la vista. Estos sentidos también mejoran tareas que la visión ya puede realizar: al soldar, el sonido del proceso puede indicar la calidad de una soldadura.

El modelo también incorpora una función de memoria. NEURA sostiene que actuar en el mundo físico requiere comprender la causa y el efecto y tener permanencia de los objetos, es decir, la capacidad de recordarlos cuando dejan de estar a la vista, algo que los seres humanos adquieren durante sus dos primeros años de vida. A diferencia de la IA puramente digital, explicó la empresa, un robot actúa en un mundo físico continuo y debe seguir el rastro de los objetos y de las consecuencias de sus propias acciones a lo largo del tiempo, a menudo sin poder verlos. NEURA afirmó que modificó la arquitectura específicamente para incorporar memoria y que la entrena con conjuntos de datos específicos diseñados para aprovecharla.

En la página del producto, la empresa compara los modelos de visión-lenguaje-acción (VLA), que se basan en la visión y que, según afirma, están optimizados para el movimiento y razonan principalmente a partir del fotograma actual captado por la cámara, con Neuron AI. La empresa sostiene que este último abarca las mismas funciones que un modelo VLA y, además, incorpora el tacto, el sonido y la memoria para cubrir lo que las cámaras no detectan.

Tres pilares de datos y cinco configuraciones robóticas

Neuron AI se entrena con tres fuentes complementarias de experiencia física. Robots de distintas configuraciones realizan tareas en los NEURA Gyms, la infraestructura de entrenamiento de la empresa para robots cognitivos e IA física, y en entornos reales. Así generan flujos sincronizados de datos visuales, táctiles, de fuerza, de audio y de movimiento. Data Amplifier y el sistema de simulación de NEURA amplían esos datos con variaciones simuladas de tareas y entornos. Los datos de demostraciones humanas proceden de personas que llevan trajes de captura de datos equipados con sensores; los movimientos y las demostraciones de tareas que estos registran incorporan experiencia práctica al entrenamiento.

Según la empresa, los tres pilares aportan interacción física real, variaciones simuladas y conocimientos humanos, y permiten entrenar un único modelo fundacional compartido para cinco configuraciones de robots NEURA con distintos tipos de pinzas y manos. La página del producto identifica las cinco como 4NE-1 Gen 3, 4NE-1 Gen 4, una versión con ruedas del 4NE-1 y otras dos plataformas bimanuales. También enumera MAiRA, MiPA, MAV+ y 4NE1 como la familia de robots en la que se entrena y despliega un mismo modelo.

Despliegue en el robot y plataforma Neuraverse

Neuron AI se ejecuta localmente en el propio robot, según la página del producto: las decisiones se toman en tiempo real en el robot, sin necesidad de comunicarse de ida y vuelta con un servidor; el robot sigue funcionando incluso sin conexión a la nube, y los datos de producción permanecen bajo el control del cliente. La página señala que esto es un aspecto clave para los fabricantes de Europa.

En los NEURA Gyms, la recopilación de datos, el entrenamiento de habilidades y la evaluación comparativa se integran antes del despliegue, y los datos y las habilidades generados allí se incorporan a versiones posteriores del modelo. A continuación, la plataforma Neuraverse despliega y actualiza estas capacidades en flotas de robots y ofrece a los clientes herramientas para ajustar el modelo a sus propias tareas, de modo que la experiencia del cliente en sus procesos se convierta en habilidades robóticas. Las habilidades pueden mantenerse privadas para el cliente; si este comparte habilidades o datos de despliegue, esas contribuciones pueden respaldar el ecosistema en general y el desarrollo de futuros modelos, afirmó NEURA.

La empresa considera que el tiempo hasta adquirir una habilidad —el tiempo que tarda un robot en aprender una tarea nueva y realizarla de forma fiable— es una medida central del progreso. NEURA afirmó que, para los clientes industriales, reducir ese tiempo es esencial para ampliar la aplicación de la IA física a más procesos y adaptarla a medida que cambian los requisitos.

Desarrollo en Alemania y demostración en GTC Berlin

El desarrollo y el entrenamiento se llevaron a cabo internamente en las instalaciones de NEURA en Metzingen, donde la empresa reúne los robots, las manos, la tecnología de sensores, la infraestructura de datos y el desarrollo de IA necesarios para vincular el entrenamiento de modelos con el rendimiento físico. NEURA afirmó que la base industrial de Alemania, con sus complejos procesos de fabricación, conocimientos especializados y exigentes entornos operativos, ofrece un entorno importante para este trabajo, y que las colaboraciones en materia de datos con empresas industriales como Schaeffler y Bosch complementan el entrenamiento realizado en los NEURA Gyms.

En NVIDIA GTC Berlin 2026, NEURA demostrará cómo su robot humanoide 4NE1 («For Anyone»), que ejecuta la versión actual de Neuron AI, realiza una secuencia de once minutos de manipulación de ropa para lavar. Durante la secuencia, 4NE1 clasifica la ropa, la carga en una lavadora, cierra y vuelve a abrir la máquina, la vacía y lleva la ropa a una secadora, todo sin intervención humana. La empresa señaló que la dificultad va más allá de cualquier movimiento en particular: el robot debe mantener el contexto pertinente durante toda la secuencia, completar cada paso y pasar al siguiente. La demostración está prevista en Station-Berlin, pabellón 3, stand n.º 3031, del 20 al 22 de octubre de 2026.