Introducción
Cada robot que se incorpora a una línea de producción reduce horas de mano de obra. Pero traslada el coste a otro sitio: la programación. Hoy, entre el 20% y el 30% del presupuesto de puesta en marcha de una celda robotizada se destina a calcular manualmente qué robot hace cada tarea, en qué orden y con qué trayectoria, evitando que choquen entre ellos.
Cuando una celda tiene un solo robot, este trabajo ya es exigente. Cuando hay varios robots compartiendo el mismo espacio, como ocurre en gran parte de nuestros proyectos de soldadura en automoción, el problema se vuelve mucho más complejo y requiere de mucha experiencia manual para resolverlo de forma eficiente.
Por eso pusimos en marcha RITMO (Plataforma inteligente para la optimización automática de trayectorias y tareas en celdas multirrobot industriales), un proyecto de I+D+i que desarrollamos entre 2025 y 2027 con cofinanciación del Institut Valencià de Competitivitat Empresarial (IVACE), la Generalitat Valenciana y Fondos Europeos, dentro del programa de Consolidación de la Cadena de Valor Empresarial.
El problema que el mercado no ha resuelto
Antes de decidirnos a construir nuestra propia solución, probamos lo que ya existe. Evaluamos las plataformas más avanzadas que encontramos en el mercado para generar las rutas multirrobot. Contamos incluso con soporte directo del fabricante para adaptarla a nuestras celdas reales.
El resultado: el software funciona en casos sencillos, pero no llegó a ejecutarse de forma fiable en los casos complejos que gestionamos, con múltiples restricciones y reglas específicas de cada fabricante. Otras alternativas están pensadas para logística y paletizado, no para trayectorias de montaje que deben cumplir requisitos de seguridad muy concretos. Y los grandes fabricantes de robots (ABB, Siemens, FANUC) incorporan módulos de simulación, pero la optimización simultánea de varios robots con restricciones complejas sigue requiriendo programación manual o herramientas externas especializadas.
Esta brecha no es solo nuestra. España instaló más de 5.160 robots nuevos en 2024, el segundo mejor registro histórico, y el parque mundial ya supera los 4 millones de unidades (World Robotics 2024, IFR). Pese a este crecimiento, no existe todavía un software que automatice de forma fiable la planificación conjunta de múltiples robots industriales con las prestaciones que exige la gran industria.
Por qué es un problema tan difícil de resolver
Coordinar varios robots en la misma celda no es simplemente «más difícil» que coordinar uno solo: es un tipo de problema distinto. Cada punto de soldadura puede alcanzarse con varias configuraciones articulares posibles. Cada robot puede visitar sus puntos asignados en órdenes distintos. Y cada combinación debe comprobarse para descartar colisiones entre robots, con el utillaje o con la pieza.
Técnicamente, se trata de una variante del Multiple Traveling Salesman Problem (mTSP), un problema de optimización combinatoria de la clase NP-dura. Las técnicas de solución exacta (programación dinámica, programación lineal mixta entera) se vuelven intratables incluso con un número reducido de puntos de soldadura, lo que obliga a combinar heurísticas, planificación jerárquica y técnicas de reducción del espacio de búsqueda.
Para abordar este reto no lo hacemos solos. Colaboramos con dos equipos de la Universitat Politècnica de València: el Instituto de Diseño para la Fabricación y Producción Automatizada (IDF), que aporta experiencia en robótica y planificación de movimientos, y el Departamento de Ingeniería de Sistemas y Automática (DISA), especializado en control, optimización de procesos y sistemas multiagente. Juntos reúnen capacidades clave para planificar trayectorias multirrobot y optimizar su ejecución en entornos industriales complejos.
Qué estamos construyendo
RITMO se organiza en cuatro bloques tecnológicos:
Motor de optimización. Selecciona la mejor configuración articular para cada punto de trabajo, planifica rutas libres de colisión entre pares de puntos y resuelve la secuencia óptima de visitas, primero para un robot y después extendiéndolo al caso de varios robots trabajando en paralelo.
Módulo de inteligencia artificial. Genera datasets sintéticos de trayectorias y entrena modelos surrogate y agentes de aprendizaje por refuerzo capaces de predecir métricas de rendimiento en segundos y de corregir desviaciones entre lo simulado y el comportamiento real del robot.
Adaptadores de datos CAD/PLM. Conectan de forma nativa nuestro flujo de trabajo actual (Siemens Process Simulate) con NVIDIA Omniverse, la plataforma de simulación y gemelo digital cada vez más adoptada por la industria, garantizando que los datos de geometría, puntos de soldadura y metadatos se transfieran sin fricción entre ambos entornos.
Interfaz gráfica en Omniverse. Unifica la configuración de la celda, el lanzamiento de los distintos motores de optimización y la visualización de resultados, pensada tanto para nuestro propio equipo como para que en el futuro podamos ponerla también al servicio de otros equipos.
Por qué incorporamos IA, y para qué exactamente
La inteligencia artificial de RITMO no es un añadido superficial: responde a una limitación de cómputo muy concreta. Simular con precisión el comportamiento de varios robots bajo cargas reales es un proceso costoso, y cada simulación completa en un entorno como CoppeliaSim u Omniverse puede tardar minutos. Cuando el motor de optimización necesita evaluar miles de combinaciones posibles de trayectorias para encontrar la mejor, ese tiempo se vuelve un cuello de botella en sí mismo.
Por eso entrenamos modelos surrogate: redes neuronales que aprenden, a partir de un dataset sintético generado con el simulador, a predecir en segundos las mismas métricas que antes exigían una simulación completa (tiempo de ejecución, esfuerzo articular, riesgo de colisión). Esto nos permite explorar un espacio de soluciones mucho más amplio en el mismo tiempo de cómputo.
El segundo uso de la IA es igual de concreto: los agentes de aprendizaje por refuerzo corrigen las trayectorias cuando el comportamiento real del robot, sometido a cargas y a la mecánica real de la celda, se desvía de lo que predijo la simulación. Es la diferencia entre una trayectoria que funciona en el simulador y una que funciona en planta.
En ambos casos, la IA no sustituye a los algoritmos de optimización ni al conocimiento de ingeniería que ya tenemos: acelera partes concretas del proceso que, calculadas con métodos tradicionales, serían demasiado lentas para usarse en la práctica industrial.
Qué supone para RBX y para el sector
Este proyecto marca un cambio en cómo vamos a poder ayudar a nuestros clientes. Hoy los acompañamos principalmente con ingeniería especializada en virtual commissioning, programación de robots, programación de PLC e ingeniería eléctrica, proyecto a proyecto. Con RITMO, vamos a poder ayudarles también con una tecnología propia que reduce drásticamente las horas de programación manual, el tiempo de desarrollo y el tiempo de ciclo en planta.
Esto nos permite llegar a más clientes con distintas necesidades, seguir reforzando el acompañamiento que ya ofrecemos frente a quienes solo trabajan con programación manual, y ayudar también a empresas de sectores donde hoy tenemos menos presencia, como logística o alimentación, además de nuestro foco actual en automoción.
Para el resto de la cadena de valor, el efecto esperado es igual de relevante. Al reducir los costes y la complejidad de programar celdas multirrobot, RITMO puede ayudar a que otros integradores de menor tamaño adopten robótica avanzada sin necesidad de desarrollar esta tecnología por su cuenta, y que fabricantes OEM reciban celdas con ciclos más cortos y menor consumo energético. Ya lo hemos comprobado en la práctica en nuestro trabajo de virtual commissioning: en este caso de estudio con uno de los mayores fabricantes de EV de Estados Unidos, reducir la complejidad de puesta en marcha se tradujo en menos tiempo de ciclo y menos horas de ingeniería.
Próximos pasos
RITMO tiene un horizonte de desarrollo de tres años (2025-2027). Iremos compartiendo avances a medida que completemos cada fase, desde los primeros resultados del motor de optimización monorobot hasta la validación final en celdas piloto reales.
Si trabajáis con celdas robotizadas multirrobot y queréis conocer más sobre el proyecto, o explorar cómo podría aplicarse a vuestra operación, escribidnos.