Instawork Robotics Lab ha presentado Instacore, un sistema wearable diseñado para capturar datos de tareas físicas reales y convertirlos en material de entrenamiento para robots generalistas y modelos de IA física. La novedad no es otro robot, sino una pieza de infraestructura para un problema cada vez más visible: los robots necesitan aprender de trabajo real, no solo de vídeos de laboratorio.
Cinco cámaras para mirar el trabajo desde dentro
Según la nota difundida por Instawork, Instacore combina cinco cámaras sincronizadas por hardware: una en la cabeza, otra en el pecho y dos en las muñecas, conectadas a una mochila de cómputo eficiente pensada para aguantar un turno completo. La cámara estéreo de la cabeza aporta percepción de profundidad a distancia de brazo; la del pecho captura el contexto espacial amplio, y las cámaras de muñeca, junto con marcadores de seguimiento e IMU, ayudan a reconstruir posición, orientación y movimiento de las manos.
El diseño es relevante porque intenta resolver una tensión práctica. Para un laboratorio de robótica, cuantos más sensores y más precisión, mejor. Para una persona que trabaja en una cocina, un almacén, un hotel o una instalación de manufactura ligera, el sistema debe permitir seguir haciendo la tarea sin convertirse en una carga. Instawork afirma que el hardware se ha probado con trabajadores de su propia red y que el objetivo es registrar comportamientos naturales, no movimientos artificiales adaptados a una demo.
Ese matiz importa. Muchos robots fallan cuando salen del entorno controlado porque las tareas reales están llenas de variación: objetos mal colocados, iluminación irregular, recipientes distintos, manos que cambian de postura, interrupciones, espacios estrechos y secuencias que no siempre siguen un guion limpio. Un dataset grabado desde varias perspectivas corporales puede ayudar a los modelos a aprender no solo qué ocurre, sino cómo se mueve una persona para resolverlo.
El cuello de botella de la IA física
La robótica generalista se enfrenta a una escasez de datos distinta a la de los modelos de lenguaje. Internet ya contiene texto e imágenes en cantidades enormes, pero no contiene suficientes ejemplos sincronizados de percepción, pose, contacto, fuerza implícita y acción física en entornos laborales. Instawork sostiene que el sector reunió alrededor de 100.000 horas de datos de entrenamiento robótico en 2024, cerca de un millón de horas en 2025 y que las proyecciones para 2026 apuntan a 20 millones de horas. Aun así, esa cifra seguiría representando menos del 0,04% de lo que algunos investigadores consideran necesario.
Instawork llega a este mercado desde un lugar poco habitual. La compañía no nació como fabricante de robots, sino como plataforma de trabajo por horas. Su ventaja declarada está en la escala y diversidad de su red: más de 10 millones de profesionales que ya realizan tareas en sectores como hostelería, retail, almacenes, eventos y limpieza. Con Instawork Lens, la empresa dice estar capturando ya cientos de miles de horas de tareas reales al mes; Instacore pretende aumentar la calidad y el volumen de esos datos.
La página oficial de Instawork Robotics encuadra el producto dentro de dos líneas: desarrollo y despliegue. En desarrollo, la empresa ofrece vídeo egocéntrico, datos multimodales con Instacore y teleoperación o UMI para entornos de oficina y campo. En despliegue, promete activar personal para mantener robots operando y adaptar formación a las necesidades del cliente. Es decir, Instawork intenta venderse como puente entre el mundo laboral humano y la cadena de entrenamiento, validación y soporte de robots.
Datos útiles, pero con preguntas abiertas
La tesis tiene sentido porque el cuello de botella de la robótica no es solo fabricar mejores cuerpos. Un brazo, un humanoide o un AMR necesitan modelos que entiendan cómo se ejecutan tareas en condiciones variables. Si los datos proceden de cocinas, habitaciones de hotel, centros logísticos y líneas ligeras, los sistemas resultantes pueden acercarse más a los escenarios donde se espera que trabajen.
Pero también conviene mantener cautela. Capturar más vídeo no equivale automáticamente a tener mejores políticas robóticas. Hace falta etiquetado, sincronización fiable, limpieza de datos, privacidad, consentimiento, anonimización y una forma de traducir acciones humanas a cinemática robótica. El hecho de que las cámaras de muñeca puedan ayudar a calcular posición y ángulo de las manos es valioso, pero no resuelve por sí solo el salto entre ver una tarea y ejecutarla con otro cuerpo, otra pinza y otras limitaciones de seguridad.
También hay una dimensión laboral que el sector tendrá que tratar con cuidado. Instawork presenta el sistema como una oportunidad para que los trabajadores participen en la economía de la IA física, no como un mecanismo para sustituirlos sin más. Esa lectura puede ser cierta en la fase actual, donde hacen falta operadores, técnicos, supervisores y personas que generen datos. A medio plazo, sin embargo, el equilibrio dependerá de cómo se repartan el valor de esos datos, los permisos de uso y la transparencia hacia quienes los producen.
La noticia merece atención porque baja la conversación sobre IA física a una capa muy concreta. Antes de que un robot pueda doblar ropa, preparar comida, limpiar una habitación o manipular inventario de forma fiable, alguien tiene que enseñarle miles de variantes de esas tareas. Instacore no es el robot que hará ese trabajo, pero sí puede convertirse en una de las tuberías por las que el trabajo humano se transforma en entrenamiento para robots.