Carmen Bartolome

Cloud and Data in ST Analytics. IA & Robotics

[Xanadu @XanaduAI]

Xanadu has been featured on @TheCadExplorers; media with a mission to highlight founders building the fastest-growing industries in the country.

Our Founder and CEO @_cweedbrook sat down with @EthanJMarcoux to tell Xanadu’s story: past, present and future.

https://t.co/mAX07VXpJ4

[Javier Martin @liderarmente]

Flipa con esto.

La empresa @120ftfactory se propone implantar fábricas a nivel local usando tres contenedores de barco y robots humanoides como operarios.

La globalización ha muerto, el futuro es la fabricación local.

[Javier Martin @liderarmente]

Boston Dynamics acaba de compartir sus claves para construir el robot humanoide Atlas

Principalmente se enfocan el desarrollo de una arquitectura de manufactura y prototipado que hace posible llevar los diseños teóricos a la realidad.

Para comprobarlo, te propongo a continuación que revisemos juntos las claves principales que ha compartido la empresa al respecto de cómo afronta la fabricación de sus robots:

1. Un taller de precisión propio para tolerancias extremas: a diferencia de otras empresas que subcontratan la fabricación de componentes, Boston Dynamics opera su propio taller de mecanizado de precisión. Muchos proveedores externos rechazan sus pedidos debido a que no pueden cumplir con las tolerancias tan ajustadas que requieren sus piezas. Además, cuentan con capacidades muy específicas e inusuales en la industria, como el corte de engranajes especializado.

2. Prototipado con rigor de manufactura a escala: en lugar de limitarse a fabricar uno o dos prototipos de forma artesanal, el equipo de operaciones de prototipos aplica un nivel de rigor de línea de producción dentro del propio entorno de prototipado. Esto permite traducir los diseños en productos reales, cubriendo todo el ciclo de construcción, pruebas, soporte y mantenimiento a escala.

3. Ciclo de retroalimentación ultrarrápido entre ingenieros y maquinistas: la cercanía física y la colaboración directa entre los ingenieros de diseño y el taller de mecanizado eliminan las barreras habituales de la industria. Este entorno permite iterar y solucionar fallos con gran velocidad: una idea planteada un lunes puede estar fabricada e implementada en el robot al final de la misma semana.

4. Responsabilidad integral: los maquinistas y técnicos participan en los proyectos desde el inicio junto a los ingenieros. Esto les otorga una visibilidad completa del proceso. De esta forma una pieza fabricada en el taller puede ser ensamblada en el humanoide el mismo día o al día siguiente, permitiendo a los creadores ver su trabajo en marcha en el laboratorio de Atlas de inmediato.

5. Escalado drástico en la velocidad de ensamblaje: el proceso de montaje ha acelerado sus tiempos notablemente. Antes construir un solo robot solía ser un proceso prolongado, el escalado de procesos redujo el tiempo de ensamblaje a aproximadamente un día por robot, integrando además brazos robóticos en la propia línea de ensamblaje con la meta de llevar este proceso a horas o minutos en el futuro.

Cómo ves, un gran despliegue a nivel de ingeniería que pone de manifiesto por qué Boston Dynamics es una de las empresas mejor valoradas en el ámbito de los humanoides.

[Anthropic @AnthropicAI]

New from our STEM Fellows Program: Designing more efficient quantum circuits with Claude.

Given plain-language instructions, Claude Mythos 5 designed quantum circuits that improve on the best published ones, sometimes by an order of magnitude or more.

More efficient circuits reduce the resources needed by quantum algorithms, which could bring quantum computing applications in chemistry and materials science within reach sooner.

Read more: https://t.co/QCvoJLDmBo

[Race 🕊️ @multiplanet1]

A retired NASA engineer who had worked on the Space Shuttle program for 25 years was hired by SpaceX at age 62. He described the first week as the most disorienting experience of his professional life.

At NASA, a design change required 3 meetings, 2 committees, a review board, and 6 to 18 months of documentation. At SpaceX, his new supervisor said "if it works, build it. If it doesn't, change it by Friday."

He sat at his desk after the first day and called his wife. He told her he felt like a man who had been swimming with ankle weights for 25 years and someone just cut them off. He could move. He could decide. He could build something in the morning and test it in the afternoon. The constraint that he had accepted as the nature of aerospace engineering turned out to be the nature of bureaucracy.

Within 6 months he had contributed to more design iterations than he had completed in his last 5 years at NASA. Not because he was working harder. Because the time between having an idea and testing the idea collapsed from months to hours. The same brain. The same knowledge. A different operating system.

He described a specific moment where he proposed a modification to a Raptor engine component. At NASA, the proposal would have entered a queue. At SpaceX, the modification was machined by the end of the day and tested by the following morning. He watched his idea become a physical object in 18 hours. At NASA, 18 hours would not have been enough to schedule the first meeting to discuss whether to schedule a meeting.

He told an interviewer: "I didn't get smarter when I went to SpaceX. I got faster. The intelligence was always there. The system was in the way."

The difference between SpaceX and NASA is not talent. NASA has extraordinary talent. The difference is the time between a thought and a test. SpaceX compresses it. NASA elongates it. The same engineer produces 10x more at SpaceX than at NASA because the bottleneck was never the engineer. It was the meetings about the meetings about the work.

[Miguel Ángel Durán @midudev]

¡Anthropic crea su propio Git!

Desde septiembre fusionan más de 30.000 cambios de código al día. ¡Y git era un cuello de botella!

Su solución: crear en solo 5 meses su propio sistema de control de versiones, pensado para agentes de IA en lugar de humanos:

[Javier Martin @liderarmente]

OpenAI no para de lanzar tecnología que resultará de gran valor en el ámbito de la robótica.

En este caso se trata de Openai Decisions API, un modelo multimodal tipo "system 1" estilo Jev basado en GPT6 Luna.

En este caso desarrollado por la empresa Roboflow cada huevo se recorta y envía a la API (~270 ms de latencia) y devuelve P(limpio, sucio, roto). Un recorte de imagen consume ~280 tokens de entrada (~$0.03/1K imgs)

[Massachusetts Institute of Technology (MIT) @MIT]

We’ve lost an icon. Margaret Hamilton, a computer science pioneer best known for her work at MIT leading development of the flight software for the Apollo missions to the moon, has died at 90. Read about her legacy via MIT News: https://t.co/ODkbdIsoHw

[Javier Martin @liderarmente]

¿Alguna vez has escuchado hablar de las capas de la robótica?

En el caso de un robot humanoide no existe una única inteligencia artificial que lo controla todo, sin que se combinan varias capas de control, percepción, planificación y razonamiento que trabajan a velocidades diferentes y con objetivos distintos.

En la parte más baja encontramos los actuadores y las articulaciones. Donde el software del robot tieen que controlar la fuerza, posición, velocidad y energía. Se trata de decisiones extremadamente rápidas, del orden de microsegundos o milisegundos.

Por encima aparece el control de cuerpo completo, encargado del equilibrio, la locomoción, la manipulación y el contacto con el entorno. Su trabajo es coordinar muchas articulaciones al mismo tiempo para que el robot pueda mantenerse estable mientras camina, se gira o mueve un objeto.

La siguiente capa combina percepción y planificación del movimiento. Aquí el robot necesita identificar objetos, estimar posiciones, interpretar el espacio y calcular cómo mover sus brazos y manos para alcanzar y agarrar algo sin chocar con el entorno.

Después encontramos la coordinación de tareas y comportamientos. En este caso ya no hablamos de mover una articulación concreta, sino de decidir qué habilidad ejecutar, en qué orden, cómo comprobar si ha funcionado y qué hacer si aparece un problema.

En la parte superior está el razonamiento semántico y de tareas. Es donde entran en juego los LLM, los VLA y los modelos del mundo. Esta capa permite interpretar las instrucciones que recibe el robot en lenguaje natural por parte de las personas. A partir de ahí, la instrucción se va descomponiendo hasta llegar a miles de pequeñas decisiones físicas.

Lo más importante es que todas estas capas deben funcionar al mismo tiempo de manera sincronizada: mientras la capa superior intenta entender el objetivo, otras están calculando trayectorias, ajustando el equilibrio y corrigiendo el par de los motores cientos o miles de veces por segundo.

Por eso cuando de la IA de un robot humanoide a lo que nos estamos refiriendo es a una arquitectura jerárquica de bucles de control y modelos de inteligencia que trabajan conjuntamente para alcanzar el objetivo que le hemos encomendado.

[Carlos Santana @DotCSV]

Quiero reflexionar un poco sobre el hito que hemos vivido en las últimas horas en el mundo de la IA y de las matemáticas.

Las primeras reacciones que recojo por parte de miembros de la comunidad matemática es shock, asombro, entusiamo de unos y amargura de otros, o todo a la vez.

Por suerte el golpe que OpenAI ha dado sobre la mesa publicando 372 resultados de gran calibre ha sido suficiente para dejar atrás el exceptisismo que en las últimas semanas se había manifestado ("...si lo han logrado es por fuerza bruta"; "...han plagiado el resultado del dataset"; "...sólo son contraejemplos", etc).

Un exceptisismo que en parte surge en un intento de encontrar explicaciones que nos satisfagan en pensar que seguimos viviendo en el marco de trabajo de siempre y en el que estamos cómodos. Porque la nueva realidad es chocante, muy chocante. Pero es real.

La IA se ha convertido de facto en el principal motor de investigación matemática de frontera. Y ni siquiera operando a escalas enormes de fuerza bruta. Indican que de media cada resultado ha dedicado el equivalente a 3 horas de trabajo de ChatGPT Pro Thinking, lo cuál es extremadamente poco!!

Este es un dato chocante porque venimos del gran titular de Navier-Stokes donde sabemos que OpenAI usó una cantidad muy superior de computación, lanzando un enjambre de 10.000 agentes concurrentes. Pero no dejo pasar el dato que le escuché recientemente al investigador Noam Brown quien en una entrevista comentó que él no creía que el resultado de NS viniera por méritos del sistema multiagente, sino realmente de que el modelo que están usando -el que ha usado aquí- es muy bueno en matemáticas.

3 horas de ChatGPT Pro para resolver problemas que a la humanidad y a las mentes más brillantes del planeta se le han estado atragantando durante décadas...

Obviamente ante este escenario empatizo con toda la comunidad matemática que de golpe (y muy rápido) se ha encontrado con modelos súper inteligentes que entra con toda la maquinaria a recoger los frutos del bosque que durante siglos llevan cultivando.

Es un shock y lo comprendo. Tanto a nivel profesional como a nivel emocional.

Esta es una historia que se ha venido repitiendo con cada avance de la IA en diferentes ámbitos (arte, programación, ahora matemáticas) y que se acaba asimilando y aceptando como una nueva normalidad incluso antes de lo que podáis imaginaros ahora. Si algo caracteriza al humano es su rápida adaptabilidad.

Pero sí recomiendo no enmarcar esto como algo que se pueda evitar o parar. Aunque no lo parezca, que la decisión de OpenAI haya sido la de publicar estos avances en abierto es el mejor escenario en el que nos podríamos encontrar de todos los posibles -y ojalá siga ocurriendo así.

Que la IA puede resolver problemas matemáticos ya es un hecho que no se va a deshacer. No se va a desinventar. No hay un CTRL+Z con el que todos podamos fingir demencia y vivir como si esto no fuera posible.

Siendo así, da igual si OpenAI hace esto porque sea buen marketing o porque sus trabajadores son también apasionados de la ciencia que quieren mover rápido la frontera (ambas son correctas). Da igual cuánto rechazo pueda haber de la comunidad científica o cuántas cartas abiertas se firmen. La realidad es la que es. Y no será sólo OpenAI quien en los próximos meses canjee computación por nuevos avances sino cualquier organización (privada o pública) con acceso a estos modelos y computación suficiente.

Habrá muchas de ellas que no hagan el acto altruista de compartilo al público. De hecho, ni siquiera sabemos si OpenAI ha hecho ese acto altruista y se han guardado para ellos los resultados clave para impulsar su investigación.

No lo sabemos y esa es la realidad en la que estamos ahora. No perdamos fuerza en debates y conversaciones para intentar para un tren que ya pasó, y acomodaos ante la nueva realidad en la que estamos.

Desde un punto de vista utilitarista, muchos de estos avances se van a traducir en mejoras prácticas aplicable a muchas ramas de la ciencia y la ingienería, mientras que los modelos tras estos descubrimientos no dejarán en el corto plazo de mejorar.

Hoy han sido 376 problemas de los 4000 evaluados por OpenAI (~10%) y seguramente dentro de un año de esa lista queden pocos o ningunos... el potencial transformador que todo esto va a tener en nuestra sociedad va a ser enorme.

Si eres de los que firmemente creen que la ciencia y la tecnología han sido el principal motor de transformación y mejora de nuestras sociedades, disfruta el viaje, porque va a ser intenso.

Y empatizando con quienes viven esto desde el shock mucho ánimo. Ya nos avisó el bueno de Ilya.

[Xanadu @XanaduAI]

Xanadu has entered into a multi-year strategic partnership with GlobalFoundries (@GlobalFoundries) to accelerate utility-scale quantum manufacturing.

Together, we will develop and manufacture advanced photonic components, working towards the high-volume production that is required for utility-scale quantum computing.

Learn more: https://t.co/7GWunuLPfN

[Javier Martin @liderarmente]

Hoy en la newsletter de @integrarobot voy a hablar del negocio de la fabricación de actuadores para robots.

¿Te apuntas?

https://t.co/y5RiR32KjI

[Javier Martin @liderarmente]

Así se ha convertido NVIDIA en el principal catalizador de la robótica y la IA Física.

Nota: vídeo realizado íntegramente por Claude Opus 5.5 Extra, con indicaciones previas por mi parte, durante 1 hora de trabajo de procesamiento y consumiendo el 35% de los tokens del plan pro.

[Julian LaNeve @JulianLaneve]

first jev and now this. crazy times for AI & data

[Javier Martin @liderarmente]

La cadena de suministro del automóvil se está reorientando hacia la robótica humanoide.

Vender muchos más coches a estas alturas va a ser difícil, pero vender robots va a ser el negocio de la próxima década.

[😉Controladores Aéreos 🇪🇸 @controladores]

Emergencia en Barcelona. El vuelo Barcelona Atlanta notifica fallo de motor 🛫 que notamos al ver llamas 🔥 saliendo del motor desde la torre al poco de despegar. La tripulación nos comunica que desean regresar al aeropuerto.

Desde aproximación, les facilitamos esperas para realizar sus cálculos y comprobaciones de aterrizaje. Mientras, apartamos tráfico en salida para que no interfiera.

A su regreso, pasamos el resto de llegadas a la 24L, dejando varios tráficos en esperas. Bloquea pista y, al librar, revisamos y recuperamos la normalidad.

Enhorabuena a la tripulación y los servicios de emergencia del aeropuerto, gran trabajo 👏👏🚒🚑

Foto: toni_spotter
Vídeo: elisenda39

#atc #aviacion #aviation

[Javier Martin @liderarmente]

Todas las empresas de IA se van a meter en robótica.

Aquí un ejemplo de @ElevenLabs, la empresa líder en IA de voz, colaborando con @microagi para dar voz al robot G1 de Unitree.

[Javier Martin @liderarmente]

Mi primer vídeo hecho con Claude.

Yo le he dado la historia de @Tesla_Optimus y la IA ha hecho todo lo demás.

Mi duda es si con más imágenes del robot habría tenido una apariencia mejor.

Han sido 4 horas de trabajo y he usado el modelo Opus 5.5 Extra.

[ESA España @esa_es]

🚀 Nuestra nave de defensa planetaria Ramses ha sido activada por primera vez, un importante hito de cara a su lanzamiento en 2028.

La misión conjunta ESA-JAXA se encontrará con el asteroide Apophis y lo estudiará durante su excepcional acercamiento a la Tierra en abril de 2029. ☄️🌍

[atomic.chat @atomic_chat_hq]

Local Laya moggs Jev at @grok 4.7-built Tetris 🧩

An open-weights System One model called Laya, beat cloud-based Jev at playing Tetris by making decisions 11 times faster, running locally on a 16GB MacBook Air!

Run AI models locally -> https://t.co/RbcCOIgVkj