# AGIBOT lleva su World Challenge de la simulación al robot real AGIBOT cierra en ICRA 2026 una competición con 526 equipos y finales sobre robots G2 reales para medir IA física más allá del benchmark clásico. - URL canónica: https://robotica.es/ia/agibot-world-challenge-icra-robots-reales/ - Versión Markdown: https://robotica.es/ia/agibot-world-challenge-icra-robots-reales.md - Publicado: 2026-06-06 - Última actualización editorial: 2026-06-06 - Autoría: Redacción Robotica.es - Categoría: IA en robótica - Etiquetas: AGIBOT, World Challenge, ICRA 2026, IA física, humanoides, benchmarks - Idioma: es-ES **AGIBOT** ha cerrado en Viena su **AGIBOT World Challenge 2026**, una competición de IA física organizada en paralelo a ICRA 2026 que intenta mover la evaluación de robots desde el resultado en simulación hacia pruebas cerradas con máquinas reales. La compañía habla de **526 equipos** de **27 países**, dos pistas técnicas y una final offline con el humanoide con ruedas **AGIBOT G2**. La noticia no es simplemente que otro fabricante organice un reto académico. Lo relevante es el cambio de criterio: puntuar menos el rendimiento aislado de un modelo en un entorno virtual y más su capacidad para entender una tarea, planificar, actuar y mantenerse estable cuando el robot toca objetos, falla un agarre o se enfrenta a variaciones físicas. ## De entender la orden a ejecutar la tarea La competición se dividió en dos pistas. La primera, **Reasoning to Action**, evaluó cómo un sistema pasa de comprender una instrucción y razonar sobre el entorno a ejecutar acciones físicas. Según la [nota publicada por PRNewswire](https://www.prnewswire.com/de/pressemitteilungen/agibot-world-challenge-2026-advances-embodied-ai-competition-from-simulation-to-real-robot-testing-at-icra-2026-302792638.html), esta pista amplió el antiguo enfoque de manipulación para cubrir comprensión del lenguaje, razonamiento espacial, habilidades atómicas, adaptación a perturbaciones y transferencia sin ejemplos específicos. La segunda pista, **World Model**, se centró en la predicción de cambios físicos: dado un estado inicial, una secuencia de acciones y entradas de sensores, el modelo tenía que anticipar cómo evolucionaría la escena. Es una pieza importante porque muchos sistemas robóticos actuales todavía funcionan bien cuando reconocen un objeto o repiten una trayectoria, pero fallan cuando deben prever consecuencias: qué pasa si el objeto cae, si la pinza no cierra bien o si una interacción genera un estado no visto durante el entrenamiento. AGIBOT sitúa el reto dentro de su ecosistema técnico: dataset abierto AGIBOT WORLD, **Genie Sim 3.0**, EWMBench y el robot G2 como plataforma física para la final. La página de lanzamiento del desafío ya presentaba la competición como un formato de desarrollo cerrado de extremo a extremo, con escenarios, activos de simulación y protocolos sincronizados entre pruebas online y validación offline. ## La final que importa: robots G2 en Viena El dato más interesante aparece en la fase presencial. Durante la final offline, los equipos finalistas completaron tareas con el **AGIBOT G2** en escenarios reales, de modo que la puntuación incorporó estabilidad del robot, adaptación al mundo físico y fiabilidad en tareas de más recorrido. Esa parte es la que separa una leaderboard útil de una clasificación puramente académica: un modelo que gana en simulación puede ser irrelevante si necesita demasiada intervención humana cuando se monta sobre hardware. La organización también añadió una pista de supermercado real junto a Dexmal. En ese caso, los algoritmos controlaban robots mediante API remota para completar un flujo completo de manipulación móvil: navegar, recoger artículos, transportarlos y colocarlos bajo restricciones físicas como alturas de estantería y posiciones aleatorias. La elección del supermercado es razonable: no es una fábrica perfectamente ordenada, pero tampoco un hogar completamente impredecible. Es un entorno con repetición, objetos conocidos y bastante desorden como para medir si la IA encarnada se acerca a tareas comercialmente útiles. En la clasificación de Reasoning to Action ganó **PrismBot**, de vivo, por delante de RP-VLA, de Shanghai RoboParty, y GreenVLA. En World Model venció **NeoVerse-ABot**, equipo conjunto del Instituto de Automatización de la Academia China de Ciencias y Amap CV Lab. La lista de participantes, según AGIBOT, incluyó universidades, centros de investigación y empresas como Tsinghua, la Universidad de Ciencia y Tecnología de China, UC San Diego, Sber Robotics Center, Alibaba, Amap y vivo. ## Un benchmark útil, pero no neutral La lectura positiva es clara: la robótica necesita más pruebas comparables con hardware real. En humanoides y manipuladores móviles abundan los vídeos vistosos, pero faltan métricas repetibles sobre robustez, intervención humana, fallos de agarre, recuperación y generalización entre tareas. Un formato que combine simulación, dataset, evaluación automatizada y final con robot físico puede ayudar a distinguir avances sólidos de demos preparadas. La cautela también es obligatoria. Este no es un benchmark neutral separado de intereses comerciales: AGIBOT organiza el desafío, aporta la plataforma G2 y refuerza con él su propio ecosistema. Eso no invalida los resultados, pero obliga a leerlos como señal de plataforma además de señal científica. Si un equipo funciona bien sobre G2 y Genie Sim, demuestra compatibilidad con ese stack concreto; no necesariamente prueba que el mismo modelo vaya a trasladarse sin fricción a otro robot, otra mano, otros sensores o una línea de producción real. También hay que separar competición de despliegue. Las finales de ICRA son valiosas porque concentran talento y presión técnica, pero siguen siendo entornos acotados. El salto que importa vendrá después: más tareas, más diversidad de objetos, ejecución más larga, reglas públicas, logs auditables y comparaciones con plataformas externas. Aun con esos límites, el movimiento es relevante. AGIBOT no está usando solo la competición como escaparate de marca; la está vinculando a su dataset, simulador, benchmarks y robot físico. Si el sector quiere convertir la IA física en ingeniería reproducible, tendrá que pasar exactamente por ese tipo de fricción: menos puntuaciones limpias en simulador y más robots ejecutando tareas donde el mundo no perdona. ## Fuentes - [PRNewswire — AGIBOT World Challenge 2026 lleva la competición de IA física a pruebas con robots reales [en]](https://www.prnewswire.com/de/pressemitteilungen/agibot-world-challenge-2026-advances-embodied-ai-competition-from-simulation-to-real-robot-testing-at-icra-2026-302792638.html) - [AGIBOT — lanzamiento del AGIBOT World Challenge @ ICRA 2026 [en]](https://www.agibot.com/article/231/detail/42.html) - [AGIBOT World — página oficial del Challenge 2026 [en]](https://agibot-world.com/challenge2026) - [ICRA 2026 — programa preliminar con sesiones de competición [en]](https://2026.ieee-icra.org/wp-content/uploads/sites/2/2026/03/ICRA_2026_Program_at_a_Glance_11032026.pdf) - [Imagen: PRNewswire / AGIBOT — participantes probando robots en distintas tareas [en]](https://mma.prnewswire.com/media/2995628/image2.jpg?p=publish)