Robótica e IA física
ROBOTERA abre los pedidos de la mano robótica diestra XHAND 1 Pro-U

Puntos claveEl espejo manual Pro-U de ROBOTERA replica el exoesqueleto DexUMI de NVIDIA para que…
Ver más
- El espejo manual Pro-U de ROBOTERA replica el exoesqueleto DexUMI de NVIDIA para que las demostraciones humanas se asignen directamente a las articulaciones del robot.
- GR00T 2 tuvo éxito en las tres tareas bimanuales, mientras que GR00T 1.7 y π0.5 no completaron ninguna.
- El hardware de captura con licencia abierta combinado con una mano comercial permite a los equipos recopilar datos con percepción de fuerza sin ocupar el robot.
ROBOTERA anunció el lanzamiento comercial de su XHAND 1 Pro-U el 16 de noviembre de 2026 y abrió los pedidos de una primera serie de 40 unidades de esta mano robótica diestra de cinco dedos, según su comunicado de lanzamiento.
El lanzamiento se produce tras el uso de esta mano de 16 grados de libertad en la investigación de NVIDIA sobre GR00T 2, incluida una demostración con DexUMI presentada por Jim Fan en la Conference on Robot Learning (CoRL). ROBOTERA se dirige a equipos de investigación, desarrolladores de robótica y socios industriales que trabajan en manipulación diestra, aprendizaje robótico y aplicaciones robóticas en el mundo real.
Adaptar la mano a las demostraciones humanas
ROBOTERA diseñó la Pro-U en torno al exoesqueleto DexUMI de NVIDIA GEAR Lab, un dispositivo portátil que registra demostraciones humanas sin necesidad de un robot. Según la empresa, las articulaciones correspondientes transfieren directamente los movimientos del exoesqueleto a la mano robótica, lo que reduce la necesidad de convertir los movimientos. El rediseño también modifica la posición del pulgar, la detección táctil en la palma y la articulación para facilitar demostraciones naturales y diversas posturas de agarre.
El documento técnico de GR00T 2 indica que GEAR DexUMI reproduce la cinemática articular, las superficies de contacto, el soporte para la cámara de muñeca y el formato de los datos táctiles de XHAND1 Pro-U, con una correspondencia uno a uno con las articulaciones del robot. Cada unidad GEAR DexUMI combina 15 codificadores magnéticos para seguir las articulaciones de los dedos, una cámara OAK de muñeca y sensores en las yemas de los dedos para medir fuerzas normales y de cizallamiento. Se pueden llevar dos unidades a la vez para registrar demostraciones bimanuales.
De la demostración a la ejecución robótica
Durante la recopilación de datos, quien lleva el dispositivo manipula directamente objetos reales mientras DexUMI registra los movimientos de la mano, el video de la cámara de muñeca y las fuerzas en las yemas de los dedos. Estas demostraciones se utilizan para el postentrenamiento de GR00T 2, y las habilidades aprendidas se ejecutan en un robot Tianji de dos brazos equipado con dos manos XHAND1 Pro-U. Para las tres tareas evaluadas, el postentrenamiento utilizó únicamente las demostraciones registradas con el dispositivo portátil, sin teleoperación específica para cada tarea ni datos adicionales generales sobre movimientos robóticos; ningún operador controló a distancia el robot objetivo durante la recopilación.
Los registros de fuerza también influyen en el control. NVIDIA convierte las fuerzas medidas en las yemas de los dedos en pares articulares y los añade a los objetivos de acción del robot. Durante la ejecución, el par previsto reduce la rigidez de cada articulación y desplaza su objetivo de posición, lo que permite que la mano aplique la fuerza prevista y, al mismo tiempo, se adapte a la incertidumbre posicional. Este mecanismo permite realizar acciones con mucho contacto, como cortar, desenroscar una tapa y encender una cerilla.
NVIDIA publica los diseños del hardware DexUMI y su documentación con licencia CC BY 4.0, excepto las fotografías de productos de proveedores, y ofrece de forma predeterminada su software de recopilación de datos con licencia Apache-2.0. Los archivos de descripción del robot XHAND del proveedor tienen una licencia MIT independiente, mientras que la mano comercial de ROBOTERA aporta el componente de ejecución de este mismo flujo de trabajo.
Resultados en tres tareas bimanuales
La evaluación abarcó tres secuencias de varios pasos que combinaban el uso de herramientas, el traspaso de objetos de una mano a otra y la manipulación de tapas. Para preparar yogur con banana, había que tomar un cuchillo, cortar la banana, quitar la tapa del yogur y pasar los trozos a un tazón. Para servir granola, había que pasar un frasco de una mano a otra, desenroscar la tapa y utilizar una espátula. En la tarea de química con fuego, el robot encendió una cerilla, prendió una lámpara debajo de un matraz y apagó la cerilla en agua.
En la evaluación de NVIDIA, GR00T 2 alcanzó tasas de éxito global del 60 % en la tarea de yogur con banana, del 80 % al servir granola y del 75 % en la tarea de química con fuego. GR00T 1.7 y π0.5, sometidos a postentrenamiento con las mismas demostraciones de DexUMI y la misma receta de datos, no completaron ninguna de las tres tareas enteras. Estos resultados corresponden a las secuencias de prueba especificadas y no constituyen una medida general de fiabilidad para otras tareas o entornos operativos.
Combinar diseños de captura con licencias abiertas y una mano comercial equivalente ofrece a los equipos de investigación una forma concreta de recopilar demostraciones que tienen en cuenta las fuerzas sin tener que dedicar el robot objetivo a esa tarea. La limitación restante está en la ejecución: los resultados demuestran la transferencia en las tres secuencias, pero los intentos fallidos dejan abierta la cuestión de si se puede lograr un rendimiento uniforme de principio a fin en despliegues más amplios.












