Neuron AI de NEURA añade tacto, sonido y memoria al modelo fundacional para robots
NEURA Robotics presentó Neuron AI, un modelo de «percepción-lenguaje-acción» que fusiona visión 3D, tacto, fuerza, audio, estado del robot y lenguaje con memoria, y mostrará una tarea de lavandería de 11 minutos con su humanoide 4NE1.
En resumen: La mayoría de los modelos fundacionales para robots son modelos visión-lenguaje-acción (VLA) que miran sobre todo el fotograma actual de la cámara. El nuevo Neuron AI de NEURA Robotics añade tacto, fuerza, audio y memoria, para que el robot actúe con información que la cámara no ve y recuerde objetos que salen de su campo visual.
Qué anunció NEURA
El 14 de octubre de 2026, NEURA, con sede en Metzingen (Alemania), presentó Neuron AI. En lugar de tratar cada sensor por separado, el modelo codifica visión 3D, datos táctiles y de fuerza, audio, estado del robot y lenguaje, los alinea en un espacio compartido a lo largo del tiempo y produce un único flujo de acciones. NEURA lo llama arquitectura percepción-lenguaje-acción (PLA).
Por qué importan más sentidos
Los propios ejemplos de NEURA lo dejan claro:
- Abrir una cerradura: solo el sonido y el tacto confirman que está abierta.
- Agarrar objetos ocultos: con tacto, el robot puede sujetar algo que la cámara no ve.
- Soldadura: la calidad del cordón se puede juzgar por el sonido del proceso.
Por qué importa la memoria
Un robot trabaja en un mundo físico continuo. Necesita permanencia del objeto (recordar lo que no ve) y sentido de causa y efecto en tareas largas. NEURA dice que modificó la arquitectura para añadir memoria y la entrena con conjuntos de datos diseñados para usarla.
Tres tipos de datos de entrenamiento
- Datos de robots reales de los NEURA Gyms, con visión, tacto, fuerza, audio y movimiento sincronizados.
- Datos amplificados por simulación con su Data Amplifier y su pila de simulación.
- Demostraciones humanas captadas con trajes con sensores.
Con ello entrena un único modelo compartido por cinco tipos de robots de NEURA. Socios industriales como Schaeffler y Bosch aportan datos.
La demo a seguir
En NVIDIA GTC Berlin 2026 (20–22 de octubre), NEURA mostrará a su humanoide 4NE1 realizando una secuencia de lavandería de once minutos: clasificar ropa, cargar la lavadora, cerrarla y reabrirla, descargarla y pasar la ropa a la secadora, sin intervención humana. Lo difícil no es cada movimiento, sino mantener el contexto durante toda la secuencia.
Por qué importa
La carrera de la IA robótica pasa de «¿puede ver y seguir una instrucción?» a «¿puede terminar un trabajo largo y con mucho contacto?». La entrada multisensorial y la memoria son dos piezas que faltaban. NEURA, que anunció en junio de 2026 una Serie C de hasta 1.200 millones de euros, apuesta por dominar toda la pila: robots, manos, sensores, datos y modelo. Aún no hay resultados independientes más allá de las demos de la empresa.
Fuentes Fuentes verificadas
Análisis relacionados
Más en IA corporizada y modelos fundacionales →Physical Intelligence abre sus modelos de robots π0 a todos mediante una API
La beta de la Pi API permite subir datos, ajustar π0/π0.5 en la infraestructura de Pi y ejecutar el resultado con inferencia alojada.
Vela: un VLA que predice trayectorias suaves en lugar de bloques de acciones
El modelo Vela, de un equipo de Fudan y CUHK, genera curvas spline con un horizonte temporal adaptativo y supera a π0.5 en LIBERO-X, EBench y en tareas reales de cocinar pastel de huevo y rallar patatas.
El S1 de Skild aprende fútbol jugando contra sí mismo 140 años simulados
Tras lanzar S1 —modelo base que copia un solo vídeo sin fine-tuning— Skild mostró Physical Self-Play: la misma política se entrenó contra sí en Isaac Sim y se transfirió a un humanoide.
Newsletter
Robrief Weekly
Un correo por semana con las noticias de robótica que importan. Gratis, cancela cuando quieras.