Hugging Face ya democratizó el acceso a modelos de lenguaje. La plataforma que lleva años siendo el GitHub de la IA intenta ahora repetir la jugada con la robótica física. El 28 de agosto presentó junto a la empresa francesa Pollen Robotics el Microduck: un robot bípedo con forma de pato, de 25 centímetros de altura, menos de 800 gramos de peso, 15 motores, cámara, sensor de profundidad, dos unidades de medición inercial (IMU) y un pico articulado para agarrar objetos.El precio es el dato más importante del lanzamiento: 399 dólares antes de impuestos. Las entregas comenzarán antes de Navidad de 2026 en Norteamérica, Europa y el Reino Unido, en cuatro colores (Cream, Graphite, Lavender y Sky).La pregunta relevante es qué hace Microduck que no haga un robot de juguete. La respuesta está en el stack de software que lo acompaña: control de robot, simulación, aprendizaje por refuerzo y despliegue sim-to-real, todo en código abierto. El usuario no recibe un juguete con instrucciones prefijadas; recibe una plataforma de investigación con el tamaño y el peso adecuados para experimentar en un escritorio, en un aula o en casa.¿Qué es el aprendizaje por refuerzo y por qué Microduck es útil para aprenderlo?El aprendizaje por refuerzo (RL) es el método por el que un sistema aprende a través de repetir acciones, fracasar y ajustar. En robótica, esto significaba hasta ahora robots industriales caros, ciclos de entrenamiento lentos y hardware que se daña cuando falla. El Microduck invierte ese modelo: por su tamaño y su capacidad de recuperarse de la mayoría de caídas —sin que el usuario tenga que reiniciarlo manualmente después de cada experimento fallido—, permite ciclos de prueba y error mucho más rápidos y mucho más baratos.La capacidad sim-to-real es central para la propuesta: los comportamientos se entrenan primero en simulación —sin coste de hardware, sin riesgo de rotura— y luego se transfieren al robot físico. Ese traspaso entre simulación y realidad sigue siendo uno de los problemas no resueltos de la robótica; Microduck proporciona una plataforma de tamaño y coste razonable para investigarlo.Las capacidades que vienen de fábrica no son triviales. Microduck camina, se sienta, se agacha, se levanta de la mayoría de caídas y, en la demostración que más circuló el día del anuncio, patina sobre ruedines. Puede seguir un punto láser, responder a un mando físico y agarrar objetos con el pico articulado. Pero todo eso son el punto de partida, no el objetivo.¿Cómo se compara con las plataformas existentes?Un Boston Dynamics Spot tiene un precio de entrada de 75.000 dólares. Los robots universitarios de investigación de dimensiones similares rondan los 10.000-30.000 euros. Microduck a 399 dólares no compite con ellos en capacidades, pero sí en acceso: el estudiante universitario, el hobbyist avanzado o la startup que necesita prototipar comportamientos sin comprometer su runway pueden comprar un Microduck.El paralelo que traza Hugging Face es explícito: lo que hicieron con los modelos de lenguaje —poner capacidades de frontera al alcance de cualquiera con un ordenador— quieren hacerlo con la IA física. El repositorio abierto de Microduck incluye el SDK, el software de robot y, en un repositorio separado, las herramientas específicas de RL y sim-to-real.Llevamos cubriendo la evolución de plataformas de agentes de IA desde los primeros experimentos con AutoGPT, y la apuesta de 2026 como año del agente de IA general tiene su equivalente físico en la robótica: el año en que los robots dejan de ser prototipos de laboratorio y empiezan a ser plataformas de desarrollo accesibles. Microduck es la apuesta más barata y más abierta del mercado en ese segmento. Las diferencias entre plataformas de agentes abiertas y propietarias que debatimos en software se trasladan ahora al hardware: ¿construyes sobre un sistema que puedes modificar y distribuir, o sobre uno controlado por el fabricante? Microduck responde claramente que es lo primero. Y la apuesta de Microsoft Agent 365 por el control centralizado de los agentes empresariales muestra que hay mercado para las dos posturas.La documentación de código abierto de Microduck distingue entre el SDK del robot (control, simulación, software) y el repositorio de RL (aprendizaje por refuerzo, sim-to-real). Esa separación es deliberada: el SDK es para quien quiere usar el robot como plataforma de demostración o de control; el repositorio de RL es para quien quiere investigar el aprendizaje de comportamientos. La mayoría de plataformas de robótica combinan los dos en un único ecosistema que fuerza al usuario a adoptar toda la stack; Pollen Robotics ha elegido modularizarlos.El test real de Microduck llegará cuando el primer paper de investigación publicado en una conferencia como ICRA o IROS cite un experimento realizado en él, o cuando la primera startup de robótica diga que su prototipo inicial corrió en él. Eso es lo que diferencia una plataforma de investigación de un juguete sofisticado. Hugging Face tiene los canales y la comunidad para que ese paso sea corto.Hemos comprobado en coberturas de plataformas de robótica de código abierto —desde los primeros kits de ROS hasta las plataformas de Unitree y AgileX— que el momento crítico no es el lanzamiento sino los primeros seis meses: si en ese período aparece una aplicación o un resultado de investigación no anticipado por los fabricantes, la plataforma adquiere vida propia. Si no aparece, permanece como proyecto de nicho.La comparación con Raspberry Pi es inevitable y productiva. Pi democratizó el acceso a la computación embebida al reducir el coste por debajo de 35 dólares. Microduck intenta hacer lo mismo con la robótica física: no al nivel del Pi —399 dólares sigue siendo un umbral de entrada significativo— pero sí a un nivel que lo coloca en el presupuesto de un departamento de investigación universitario o de una startup en etapa temprana, no solo de laboratorios con financiación institucional pesada.El diseño de pato no es un capricho estético. Pollen Robotics eligió una forma bípeda compacta que sea intrínsecamente inestable —como lo es un pato andando— para que el problema del control de equilibrio sea un caso de prueba natural para el aprendizaje por refuerzo. Un robot con cuatro patas o con ruedas resuelve el equilibrio mecánicamente; Microduck lo tiene que resolver algorítmicamente, lo que lo hace más interesante como plataforma de investigación aunque sea más difícil de mantener estable. El hecho de que pueda patinar sobre ruedines —que es una demostración de control coordinado de todo el cuerpo— sugiere que el sistema de actuadores y el stack de RL ya tienen un nivel de madurez suficiente para comportamientos no triviales.La noticia Microduck: el pato robot de Hugging Face a 399 dólares que democratiza el aprendizaje por refuerzo en robótica física fue publicada originalmente en Wwwhatsnew.com por Natalia Polo.