
ASUS Gallop Portada
La compañía taiwanesa está llevando la inteligencia artificial al piso de producción con un humanoide que deberá demostrar que puede trabajar con precisión antes de llegar a otros sectores.
La inteligencia artificial está dejando de ser una tecnología encerrada en computadores y servidores para empezar a ocupar espacios mucho más físicos. ASUS quiere llevar esa evolución a las fábricas con Gallop, un robot humanoide que actualmente está siendo desarrollado y probado dentro de una línea real de fabricación de componentes electrónicos.

El proyecto parte de una pregunta bastante sencilla, pero difícil de responder: ¿puede un robot ejecutar una tarea industrial durante toda una jornada, mantener la precisión y reaccionar ante los errores sin necesitar a una persona al lado todo el tiempo? ASUS pretende tener una respuesta concreta en los próximos años, con pruebas piloto con clientes previstas para 2027 y una posible llegada al mercado durante el segundo semestre de 2028.
La diferencia frente a los robots industriales tradicionales está precisamente en la flexibilidad. Muchas fábricas ya utilizan máquinas especializadas capaces de realizar una tarea repetitiva con enorme velocidad, pero cambiar el proceso puede implicar modificar herramientas, estaciones o incluso buena parte de la infraestructura. Un humanoide, en cambio, puede aprovechar espacios y herramientas pensados originalmente para trabajadores humanos.
Eso no significa que Gallop vaya a reemplazar cualquier proceso de producción. ASUS está comenzando con una actividad concreta para comprobar hasta dónde puede llegar la tecnología.
Un reto de 20 segundos
El primer escenario de pruebas está ubicado en una planta de fabricación electrónica del propio grupo ASUS. Allí, Gallop trabaja en el empaquetado de accesorios para placas base, una tarea que parece sencilla hasta que aparecen los detalles: debe manipular 15 piezas pequeñas, varias de ellas dentro de bolsas delgadas y transparentes, y completar el proceso en aproximadamente 20 segundos por placa.
La meta es exigente: alcanzar una tasa de éxito del 99,5 %, tomando como referencia el estándar establecido para una persona que realiza esa misma labor.
Precisamente por eso se escogió esta actividad. Manipular objetos pequeños, delgados o flexibles puede resultar complicado para sistemas automatizados convencionales que dependen de pinzas y movimientos previamente programados. Gallop busca demostrar que una inteligencia artificial física puede percibir los objetos, decidir cómo sujetarlos y completar la operación con suficiente precisión.
El aprendizaje tampoco comienza directamente con el robot. ASUS está construyendo un proceso en el que los trabajadores humanos tienen un papel importante. Operarios especializados pueden ser observados mediante pequeñas cámaras instaladas en la cabeza, siempre con su consentimiento, para registrar cómo realizan las tareas.
Después, esos datos se combinan con simulaciones y prácticas controladas. Un operador equipado con realidad virtual y guantes puede guiar al robot utilizando las mismas piezas y cámaras presentes en la estación de trabajo. Así, Gallop recibe información sobre situaciones que difícilmente podrían resolverse únicamente con instrucciones programadas.
También puedes leer: EA SPORTS UFC 6 revive la era de PRIDE FC con un ring, nuevas reglas y un Grand Prix
Una IA dividida en varias capas
La arquitectura de Gallop está diseñada para que el robot pueda evolucionar sin tener que reconstruirse desde cero cada vez que aparece un modelo de inteligencia artificial más avanzado.
El sistema está dividido en cuatro capas. La primera funciona como planificador y analiza el entorno para dividir una tarea en diferentes pasos. La segunda actúa como supervisor y revisa las acciones realizadas, pudiendo replantear el proceso cuando encuentra un error. La tercera contiene las habilidades necesarias para alcanzar, agarrar y colocar objetos, mientras que la cuarta controla los movimientos físicos con precisión y puede detener el sistema ante una situación problemática.
Todo este procesamiento se ejecuta actualmente mediante un NVIDIA Jetson AGX Thor, acompañado de software especializado en robótica.
ASUS también está desarrollando componentes propios. Entre ellos se encuentran el cuerpo y las manos del humanoide, incluyendo sistemas de percepción táctil, una de las áreas más complejas para conseguir que un robot pueda manipular objetos delicados de manera fiable. Otros elementos, como motores y componentes especializados, proceden de proveedores externos.
Por ahora, Gallop trabaja sobre una base fija y utiliza dos brazos para tareas principalmente relacionadas con recoger y colocar objetos. El siguiente paso será incorporar movilidad mediante ruedas, lo que permitiría ampliar el tipo de espacios donde puede operar.
El proyecto comenzó a principios de 2026 y ASUS tiene previsto mostrar su evolución en Computex 2027, además de comenzar las pruebas con clientes durante ese mismo año. Si el desarrollo mantiene el calendario planteado, la compañía apunta a una disponibilidad comercial para la segunda mitad de 2028.
Aunque la fabricación electrónica es el punto de partida, ASUS contempla que lo aprendido pueda aplicarse posteriormente a otras actividades donde existan movimientos repetitivos de manipulación y traslado. Entre las posibilidades mencionadas aparecen sectores como hospitales y servicios.
La apuesta, al menos según el planteamiento de la compañía, no consiste simplemente en poner robots donde actualmente trabajan personas. Gallop busca encargarse de labores repetitivas, físicamente exigentes o difíciles de cubrir, mientras los trabajadores podrían asumir funciones relacionadas con la configuración, supervisión y mejora de estos sistemas.
Por ahora, el verdadero examen de Gallop no estará en una demostración de unos cuantos minutos. ASUS tendrá que comprobar si su humanoide puede hacer algo mucho más difícil: repetir una tarea miles de veces, mantener el 99,5 % de precisión y responder a los imprevistos de una fábrica real.
Síguenos en nuestras redes sociales para más información: @ParcheGamerCol




