ESP32-C61 a 2 dólares y una Jetson de 8 GB | Qué ha cambiado en robótica con IA

¿Qué ha cambiado de verdad en robótica con IA estos dos últimos días? De humanoides, nada que se pueda verificar contra una fuente primaria. Lo que sí se movió fue la parte de abajo, la que te toca a ti: un módulo Wi-Fi 6 de Espressif que ya se vende por unos 2 dólares, ese mismo fabricante abriendo su pila de nube entera, y dos papers que bajan el listón de máquina para entrenar y desplegar. El hilo común es siempre el mismo, la entrada se abarata.

El ESP32-C61-MINI-1 ya se compra por unos 2 dólares

Ojo con la palabra “nuevo” aquí. El chip C61 lleva tiempo existiendo. Lo que cambia es que CNX Software documentó el 4 de agosto un pack de 5 módulos MINI-1 a 10,70 dólares, o sea unos 2 dólares por módulo. Módulo, no chip suelto: viene con antena y certificación, y eso te ahorra el trabajo de RF.

Lo que dice el datasheet de Espressif: RISC-V de un solo núcleo hasta 160 MHz, 320 KB de SRAM, hasta 8 MB de flash Quad SPI, hasta 8 MB de PSRAM opcional, Wi-Fi 802.11ax en 2,4 GHz con 1T1R, Bluetooth LE 5.3 y hasta 23 GPIO disponibles. El MINI-1 mide 13,2 x 16,6 x 2,4 mm con antena en PCB, y el MINI-1U trae conector de antena externa. Rango de temperatura de -40 a 85 grados.

¿Para qué te sirve en un robot? Para el nodo de telemetría, el sensor remoto, el mando o la pata que reporta a la placa principal. Un núcleo a 160 MHz y 23 GPIO no es el cerebro de nada complicado, y ten en cuenta que ese Wi-Fi 6 es solo 2,4 GHz. Aquí lo importante es el precio por nodo: a 2 dólares puedes poner tres en un proyecto y no pensarlo mucho.

Y el aviso de siempre. Ese módulo da miliamperios en un pin. Un servo pide cientos. Alimentación aparte y driver de por medio, o te lo cargas.

Espressif abre RainMaker Neo entero, licencia Apache 2.0

Esta es la novedad del 5 de agosto. Espressif publicó en su blog de desarrolladores que libera ESP RainMaker Neo bajo Apache 2.0, y no solo el firmware. Según el anuncio, lo abierto es la pila completa de dispositivo a nube y a app: backend en la nube, firmware del dispositivo, apps móviles y sus SDK, dashboards y las integraciones de asistente de voz con Alexa y Google Home.

La letra pequeña también está en el anuncio. Neo no es la versión Classic con otro nombre: es una implementación más ligera que se apoya de forma más directa en servicios nativos de AWS IoT, y Espressif avisa de que no sirve para migrar despliegues de Classic. O sea, es para empezar de cero, no para mudarte.

¿Qué te aporta esto montando robots? Que la capa de conectividad y control remoto deja de ser una caja cerrada de otro. Si tienes un robot con ESP32 que quieres mandar desde el móvil, o un nodo que reporta telemetría, ahora puedes leer el backend, cambiarlo y alojarlo tú. Ten en cuenta que apoyarse en AWS significa que la factura de nube es tuya: código abierto no quiere decir alojamiento gratis.

Una Jetson de 8 GB sí puede mover una política bimanual

Este es el hallazgo más útil de los dos días. Un equipo publicó un estudio el 4 de agosto donde meten un sistema bimanual SO-101 entero dentro de una NVIDIA Jetson Orin Nano Super de 8 GB. La RTX 3070 solo la usan para entrenar fuera. Es decir, lo caro se queda en tu escritorio y lo que va montado en el robot es la placa pequeña.

Los números que reportan los autores, que es un preprint sin revisión por pares: montando la captura de tres cámaras con buffers NVMM sin copias redundantes, el pico de CPU en un núcleo baja del 98 % al 77 % y la latencia peor caso de 117,31 ms a 101,52 ms. Al pasar ACT a TensorRT, la latencia media cae de 114,02 ms a 17,93 ms en FP16 y a 12,65 ms en INT8, y el éxito de la tarea aguanta. También cuentan algo que no suele aparecer: ACT llegó a 19 de 20 intentos y Diffusion Policy no convergió, 0 de 10, con esos mismos datos.

Traducido a tu mesa: el cuello de botella en una placa pequeña muchas veces no es el modelo, es cómo mueves los frames de la cámara. Y cuantizar no es un truco de última hora, es lo que hace viable el despliegue. No he encontrado repositorio público del paper, así que de momento es una referencia para copiar el enfoque, no un proyecto que te clonas esta tarde.

Entrenar un modelo de acción con una sola GPU de 24 GB

El segundo paper del mismo día, LiLa-WAM, va por la otra punta del problema: entrenar. Proponen un modelo world-action que trabaja en un espacio latente compacto y se entrena de principio a fin en una sola GPU de 24 GB. Reportan un 90,48 % de éxito en 50 tareas de RoboTwin.

Aquí toca frenar. Ese 90,48 % es de los autores y es simulación, no tu salón. RoboTwin es un benchmark, y un benchmark mide lo que mide. Lo interesante no es la cifra, es el presupuesto de máquina: una 3090 o una 4090 de segunda mano entra en ese rango, y eso mueve la frontera de quién puede entrenar algo así.

Qué haría yo hoy

Si estás montando: apunta el C61-MINI-1 para tus nodos tontos y deja el cerebro donde esté. Si lo que te frena es el control remoto, mira RainMaker Neo antes de escribirte tu propio servidor. Y si estás con visión o manipulación y tienes una Jetson pequeña arrinconada, lee el paper de las 8 GB y prueba primero la parte aburrida, la captura sin copias y la conversión a TensorRT. Sé que suena a poco, pero ahí es donde estaba el margen.

Y no, sigue sin haber humanoide nuevo. En estos dos días no salió ningún anuncio de locomoción o manipulación de los fabricantes grandes que se pueda verificar contra una fuente primaria. Cuando lo haya, lo contamos con el enlace al lado.