Sunday Robotics ha presentado ACT-2, el nuevo modelo que gobierna a Memo, su robot doméstico. La compañía asegura que el sistema ya puede doblar ropa en hogares desconocidos con un 99,1% de éxito, sin datos ni ajustes específicos para cada vivienda.
La cifra es llamativa, pero lo importante no es solo el porcentaje. En robótica doméstica, una demo aislada dice poco si el robot solo funciona con una camiseta preparada, una mesa concreta y una iluminación controlada. Sunday intenta mover la discusión hacia otro terreno: medir una tarea útil dentro de un alcance declarado, con vídeos de evaluación, coste de adaptación explícito y una beta con familias prevista para este otoño.
Una prueba sobre ropa deformable y hogares no vistos
Según la publicación técnica de Sunday, ACT-2 fue evaluado en 785 intentos autónomos de doblado, repartidos entre nueve tipos de prendas comunes: camisetas, polos, tops sin mangas, blusas, pantalones, leggings, shorts y prendas de manga larga finas y gruesas. Quedan fuera calcetines, ropa interior, sujetadores y accesorios, que normalmente se emparejan, ordenan o cuelgan en lugar de doblarse.
La empresa afirma que las pruebas se hicieron en habitaciones no vistas, con camas y superficies distintas, iluminación variable, prendas en cestas, pilas o en el suelo, y el robot trabajando desde varios lados de la cama. El punto clave es que Sunday declara cero adaptación por hogar: sin datos del domicilio de evaluación, sin demostraciones expertas en esa casa, sin postentrenamiento específico y con el mismo checkpoint del modelo durante toda la prueba.
Ese marco es más útil que el vídeo viral de turno porque obliga a describir qué se está midiendo. Sunday llama a esa unidad un Solve: rendimiento fiable dentro de un alcance concreto y con un coste de adaptación declarado. Puede sonar académico, pero apunta a una necesidad real del sector. Sin alcance y coste de adaptación, un 99% de éxito puede significar casi cualquier cosa.
ACT-2 no resuelve la casa, pero sí una tarea medible
La manipulación de ropa es un problema difícil para un robot. Las prendas se deforman, se ocultan sobre sí mismas, cambian de tamaño, grosor y textura, y rara vez llegan extendidas en una postura cómoda. ACT-2 debe agarrar, reorientar, alinear bordes, completar pliegues y apilar sin que la prenda se deshaga por el camino.
En las cifras publicadas, Memo completó 778 doblados y obtuvo una calidad media de 4,72 sobre 5. Sunday dice que el 98,3% de los doblados completados recibió cuatro o cinco estrellas bajo una rúbrica fijada de antemano, y que el 73,8% alcanzó la puntuación perfecta. También hay un dato menos espectacular, pero necesario para leer la utilidad: cada prenda tardó una mediana de 2 minutos y 13 segundos, con una media de 2 minutos y 19 segundos.
Ese ritmo no convierte a Memo en una lavandera más rápida que una persona. Lo que sí sugiere es otra cosa: que una tarea doméstica repetitiva podría empezar a delegarse si el robot trabaja sin atención constante, durante tiempos muertos y con recuperación ante errores. En el hogar, la velocidad importa, pero la fiabilidad y la tolerancia a desorden importan todavía más.
El salto está en generalizar sin preparar cada casa
Sunday presenta ACT-2 como continuación de ACT-1, el modelo que introdujo en noviembre de 2025 para demostrar manipulación móvil de larga duración, destreza y generalización en un mismo sistema. La novedad ahora es la promesa de cerrar la brecha entre rendimiento en laboratorio y rendimiento en entornos no vistos.
La compañía sostiene que el modelo combina preentrenamiento sobre datos humanos capturados con hardware propio y postentrenamiento rápido en una flota interna de Memo. Su afirmación más fuerte es que una sola demostración de una técnica de doblado puede enseñar una conducta nueva que luego se transfiere a entornos no vistos. Conviene tratar esa frase como una tesis de compañía, no como una verdad auditada de forma independiente, pero marca bien la dirección técnica: menos calibración manual por casa y más mejora acumulada en la flota.
Para robótica de consumo, ese matiz es central. Un robot doméstico no puede pedir al usuario que convierta su dormitorio en un banco de pruebas ni que grabe ejemplos para cada camiseta. Si necesita instalación experta para cada tarea, el producto se queda en nicho. Si puede trasladar mejoras de un entorno a muchos, empieza a parecerse a un producto escalable.
Lo que todavía falta demostrar
El anuncio no prueba que Memo ya sea un robot generalista para el hogar. La propia Sunday limita el resultado a ropa doblable dentro de un conjunto definido de prendas y configuraciones. Otras capacidades que menciona, como aspirar, organizar juguetes, subir cremalleras, preparar café o dar la vuelta a pantalones, aún no se presentan con el mismo estándar de evaluación.
También falta contraste externo. Las métricas, los vídeos y la rúbrica proceden de la propia empresa. Eso no las invalida, pero sí obliga a esperar pruebas con familias, fallos documentados, mantenimiento, ruido, intervención remota y semanas de uso real. Una tasa de éxito alta en una evaluación preparada es necesaria; convivir con una casa cambiante es otra escala de problema.
Aun así, ACT-2 merece atención porque desplaza la conversación desde “mira lo que el robot puede hacer una vez” hacia “mira bajo qué condiciones lo repite”. Para una categoría llena de promesas domésticas, esa diferencia es más importante que el titular. Si la beta de otoño confirma que Memo puede doblar ropa con poca supervisión en viviendas reales, Sunday habrá encontrado una primera tarea útil para entrar en casa sin vender fantasía generalista. Si no, al menos habrá elevado el listón de cómo debe medirse el progreso.