Los robots humanoides a menudo tienen dificultades con tareas como levantar objetos debido a la complejidad involucrada en la identificación de puntos de contacto, la aplicación de la fuerza correcta y el seguimiento del progreso de la tarea. Proponemos una solución integrada que aprovecha la capacidad de doble brazo de los humanoides y utiliza la fusión de sensores de visión y de fuerza. Nuestro sistema emplea un algoritmo de visión por computadora para detectar y caracterizar las propiedades de los objetos (forma, tamaño, posición, orientación) y diferenciar entre tareas de bi-manipulación paralelas y no paralelas. El controlador luego identifica los puntos de contacto óptimos para los efectores finales, generando trayectorias que se alimentan a un controlador de bucle cerrado utilizando retroalimentación de fuerza. Para la bi-manipulación paralela, la cancelación de momento se logra a través de la fusión de sensores. Para superficies no paralelas, un algoritmo de aprendizaje por refuerzo determina la fuerza de levantamiento adecuada para prevenir el deslizamiento utilizando solo dos puntos de contacto. La validación experimental en una plataforma humanoide real demuestra la efectividad de nuestro enfoque en levantar objetos de manera autónoma, independientemente de la configuración de la superficie de contacto. Este avance mejora significativamente la fiabilidad y versatilidad de los robots humanoides en la realización de tareas de manipulación complejas, contribuyendo a su implementación práctica en entornos orientados al ser humano.