Pollen Robotics, filial de Hugging Face, presentó la semana pasada el robot bípedo Microduck a un precio de 399 dólares. En las primeras 24 horas tras la apertura de ventas, el valor total de los pedidos superó los 2,6 millones de dólares, unas 6.500 unidades, con un pico de una venta cada cuatro segundos. Si se calcula a partir del precio unitario, el importe de los pedidos y el número de unidades cuadran, es decir, el volumen no se infló con accesorios caros.
El robot mide 25 centímetros de alto, pesa menos de 800 gramos y usa 15 servomotores Dynamixel XL330, además de una cámara, un sensor de profundidad y dos IMU; el procesador central es un Rockchip RK3566. El pico del pato, en la cabeza, es una articulación móvil con una fuerza de agarre de unos 800 gramos, capaz de sostener objetos mientras camina.
El cerebro son siete procesos en Rust
La pila de software de Microduck no está construida sobre ningún framework web. Todo el runtime se compone de siete procesos daemon escritos en Rust, que se comunican entre sí mediante JSON-RPC 2.0 sobre un Unix Socket, transmitiendo mensajes línea a línea en formato NDJSON.
La división de tareas es clara: robotd tiene acceso exclusivo al hardware y ejecuta el bucle de control a 50 Hz; configd gestiona WiFi, identidad y emparejamiento del mando; updaterd se encarga de las actualizaciones OTA, checksums y reversiones; btd retransmite Bluetooth GATT; padd reenvía la entrada del mando; mediad gestiona la cámara, la inferencia y WebRTC; tofd atiende en solitario el sensor de profundidad de la cabeza. En conjunto, el proyecto suma unas 30 dependencias.
Concentrar el control de los motores en un único proceso es una práctica habitual en robótica embebida para garantizar la seguridad: si otra tarea le quita el turno al bucle de control, el robot se cae en el acto. Usar Rust en esta capa evita los tirones que provocarían las pausas del recolector de basura (garbage collection).
Caminar es algo que se entrena, no se programa
Más de una decena de habilidades de movimiento, entre ellas caminar, levantarse solo tras una caída, chutar un balón y patinar, no se codificaron como máquinas de estados: se entrenaron mediante aprendizaje por refuerzo en simulación y luego se transfirieron al robot real. El framework de entrenamiento, mjlab, se basa en MuJoCo Warp, el algoritmo utilizado es PPO, la frecuencia de control es de 50 Hz, el vector de observación tiene 61 dimensiones y abarca propiocepción, velocidad y órdenes de postura; la política final se exporta a ONNX y corre directamente en el cuerpo del robot.
La simulación está más pulida que en la mayoría de proyectos open source. Factores que suelen ignorarse —la ley de control de voltaje, la fuerza contraelectromotriz, el juego de los engranajes (±1°), la fricción de Coulomb— se incorporaron al modelo; buena parte de los fallos en la transferencia sim2real se debe precisamente a estos factores no modelados. Con 4.096 entornos en paralelo, entre una y dos horas de entrenamiento bastan para obtener una política utilizable, un nivel de cómputo al alcance de una tarjeta gráfica de consumo.
Ambos repositorios son públicos: el runtime en Rust está en pollen-robotics/microduck, y el código en Python para el aprendizaje por refuerzo, en pollen-robotics/microduck_rl.
La oferta no da abasto con los pedidos
La fabricación corre a cargo de Seeed Studio, en Shenzhen. Las primeras entregas ya se han retrasado hasta después de la Navidad de 2026, los pedidos nuevos tienen una espera de cuatro a seis meses, y el objetivo oficial de ventas es de 20.000 unidades. A 399 dólares cada una, 20.000 unidades supondrían unos ingresos del orden de 8 millones de dólares (cálculo aproximado), una cifra poco relevante dentro del negocio global de Hugging Face.
Se parece más a una maniobra de posicionamiento que a un negocio en sí. Hasta ahora, las plataformas de investigación bípedas programables solían costar entre varios miles y decenas de miles de dólares, lo que dejaba la entrada a la IA corporizada atascada en la compra de hardware. Con 399 dólares, ese umbral baja al nivel del gasto cotidiano de un desarrollador individual. Lo que busca Pollen es que la gente tome esta pila para modificar políticas, publicar pesos y enviar pull requests, tal como ocurrió tras la apertura de los pesos de los modelos, solo que esta vez lo que se reproduce es un comportamiento físico.
Las primeras entregas no llegarán hasta finales de año, y si la comunidad logra sostener esta ola de interés dependerá de cuántas políticas entrenadas por otros se acumulen en el repositorio para entonces.
Fuentes: repositorio del proyecto de Pollen Robotics, CocoLoop, análisis técnico de Tony Bai, Sina Tech; las especificaciones de hardware y la arquitectura de software siguen el repositorio oficial, y el importe de los pedidos y las unidades del primer día se han contrastado con información publicada.