LG Electronics conectará los datos generados por sus robots domésticos e industriales con la infraestructura de NVIDIA para acelerar el entrenamiento y la comercialización de nuevas soluciones robóticas. La alianza reúne la experiencia del fabricante en producción, logística y componentes con las herramientas de IA física de la tecnológica estadounidense, dentro de una estrategia que pretende cubrir desde el hardware hasta los modelos que determinan el comportamiento de las máquinas.
El núcleo operativo será la Data Factory que LG está desplegando en su campus de investigación y desarrollo de Yangjae, en Seúl. La instalación ocupa 10.000 metros cuadrados distribuidos en cuatro plantas, podrá albergar cientos de robots trabajando simultáneamente y está previsto que alcance su plena capacidad antes de que termine 2026.
La infraestructura permitirá recopilar información procedente de robots que actúan en escenarios controlados, pero diseñados para reproducir actividades reales. LG ya utiliza allí unidades de su robot doméstico LG CLOiD para generar, capturar y analizar datos operativos en tiempo real. Esa información se combinará con datos sintéticos antes de incorporarse al proceso de entrenamiento.
Del entorno físico a los modelos de entrenamiento
Los espacios de prueba incluyen un hogar piloto donde CLOiD realiza tareas de limpieza y una recreación de la fábrica de lavadoras que LG opera en Tennessee, Estados Unidos. Este segundo entorno está orientado a actividades industriales como el montaje, el transporte y el apilado de componentes.
La Data Factory también integrará operaciones de automatización logística de LG CNS y trabajos del laboratorio de manos robóticas de LG Innotek. De esta forma, el fabricante intenta reunir datos sobre manipulación, desplazamiento e interacción con objetos en ámbitos domésticos, logísticos e industriales, en lugar de limitar el entrenamiento a un único caso de uso.
La información obtenida pasará al ecosistema de NVIDIA mediante Omniverse, los modelos de mundo Cosmos y la plataforma de desarrollo robótico Isaac. Estas herramientas permiten simular entornos, generar variaciones sintéticas y entrenar o evaluar sistemas antes de trasladar los resultados a máquinas físicas. NVIDIA ya había identificado a LG entre los fabricantes que utilizaban su stack de robótica, por lo que el acuerdo amplía una relación tecnológica previa y la vincula con una infraestructura específica de datos.
El mecanismo responde al concepto de data flywheel, un ciclo en el que la actividad de los robots genera información que sirve para mejorar los modelos y desplegar después versiones más capaces. Los nuevos comportamientos producen, a su vez, más datos para sucesivas fases de entrenamiento. Para una empresa con fábricas, operaciones logísticas y dispositivos instalados en entornos distintos, la disponibilidad de escenarios propios puede reducir la distancia entre la simulación y las condiciones de uso.
Un modelo fundacional propio sobre tecnología de NVIDIA
LG calcula que reunirá unas 100.000 horas de entrenamiento físico y sintético antes de finalizar 2026, un volumen que equipara a cerca de doce años de datos. La cifra agrega la actividad desarrollada de forma paralela por distintos robots y simulaciones, y se utilizará para alimentar el Robot Foundation Model de la compañía.
Ese modelo fundacional deberá establecer capacidades comunes para futuros robots humanoides. Frente al desarrollo independiente de instrucciones para cada tarea, este tipo de arquitectura busca proporcionar una base reutilizable sobre la que adaptar movimientos, percepción e interacción a diferentes escenarios. El alcance efectivo dependerá de la variedad y calidad de los datos, así como de su transferencia desde las simulaciones hasta el funcionamiento físico.
La posición de LG en esta cadena combina varios activos. La empresa fabrica productos terminados y componentes relevantes para robótica, entre ellos actuadores, y dispone de operaciones industriales donde probar sistemas de automatización. NVIDIA aporta modelos, simulación y herramientas de desarrollo. El resultado previsto es una plataforma en la que el fabricante conserve su propia base de conocimiento robótico mientras utiliza la infraestructura tecnológica de su socio para procesarla y ampliarla.
La cooperación fue articulada mediante un memorando de entendimiento y una posterior reunión de directivos para definir las líneas de trabajo. Aunque la información se distribuyó en España en septiembre, LG había anunciado globalmente la colaboración en agosto de 2026. La novedad empresarial reside, por tanto, en la ejecución de esa hoja de ruta alrededor de la Data Factory y en su conexión con los planes comerciales de la división robótica.
La robótica pasa a depender directamente del CEO
La alianza coincide con una reorganización interna destinada a reunir capacidades antes repartidas dentro del grupo. LG constituyó con efecto desde el 1 de julio de 2026 el Robotics Business Center, una unidad bajo dependencia directa del consejero delegado. La nueva organización integra desarrollo de negocio, ventas, cadena de suministro y operaciones, además de incorporar una unidad dedicada a la Data Factory.
Este diseño indica que la robótica ha dejado de gestionarse únicamente como un proyecto de investigación. La concentración de producto, suministro y actividad comercial bajo una misma dirección puede facilitar el paso desde los pilotos hacia soluciones vendibles, aunque LG no ha detallado calendarios de lanzamiento, precios ni mercados para sus próximos robots domésticos.
CLOiD tampoco nace con esta alianza. LG presentó públicamente el robot doméstico en enero de 2026 con brazos articulados, manos de cinco dedos, navegación autónoma e integración con ThinQ. El avance actual está en la construcción del sistema de datos y entrenamiento con el que la empresa pretende mejorar sus capacidades y acercar el producto a una fase comercial.
Para LG, la entrada en el hogar amplía una actividad hasta ahora centrada en mayor medida en entornos industriales y comerciales. La consecuencia operativa será utilizar fábricas, laboratorios, logística y viviendas piloto como una red coordinada de generación de datos, con un modelo fundacional propio que pueda trasladar lo aprendido entre distintos tipos de robots y reducir el trabajo necesario para adaptar cada despliegue.
