Robot móvil, demostraciones y modelos de acción | Robótica con IA
Tres preprints del 2 de noviembre prueban un robot móvil completo, aprendizaje desde demostraciones humanas y un filtro para acciones generadas por modelos.
- mobile manipulation
- robot learning
- world action models
- human demonstrations
- AI
- news
¿Qué ha cambiado de verdad en las últimas 24 horas? Han aparecido tres preprints con una idea útil en común: un robot no mejora solo por tener un modelo más grande. Necesita un cuerpo, datos y una forma de descartar acciones malas antes de mover motores. Son resultados de sus autores, no productos ni validación independiente.
Pixel junta robot, teleoperación y control en el mismo sistema
Pixel, publicado el 2 de noviembre, presenta un robot humanoide con ruedas, pinzas flexibles, interfaces de teleoperación y un controlador de cuerpo completo. Los autores prueban el conjunto en tareas que mezclan navegación, percepción activa y manipulación.
Aquí lo importante no es que el robot sea barato, porque el preprint no publica un precio que permita compararlo. Es que diseña el hardware, la recogida de demostraciones y la política como una sola cadena. Para un proyecto casero, la lección es bastante directa: antes de cambiar de modelo, comprueba que cámara, mando, actuadores y registro de datos usan la misma referencia temporal.
Pixel-UMI corrige el salto entre una demostración humana y el robot
El equipo acompaña ese sistema con Pixel-UMI. El método transforma trayectorias de cabeza y pinzas humanas junto con la geometría reconstruida de la escena en objetivos para la base y las articulaciones del robot. También usa correcciones humanas durante la recogida de datos.
Los autores informan de un 87,0 % de progreso medio en cinco tareas, incluidas manipulación bimanual y alcance en espacios estrechos. Es una cifra de su propia evaluación. Aun así, señala algo práctico: copiar posiciones humanas sin tener en cuenta muebles, cámaras y retrasos del robot suele dejarte con una demostración bonita y una ejecución torpe.
Si vas a grabar demostraciones, empieza por una tarea repetible y guarda la escena, la orden enviada y el instante en que el robot realmente se movió. No hace falta montar un humanoide para aplicar esa disciplina.
WISE elige una acción después de comprobar si su futuro inventado encaja
El tercer preprint, WISE, no entrena otro modelo de acción. Genera varias propuestas, revisa si la acción coincide con el movimiento futuro que el propio modelo imagina y ejecuta la mejor puntuada. Con cuatro candidatas por decisión, los autores reportan que el éxito en RoboLab pasa del 6,0 % al 24,0 % con Cosmos 3 Edge. En LIBERO, informan de un aumento del 75,1 % al 78,3 % con DreamZero.
No es una garantía para un brazo real. Son benchmarks y resultados de los autores. Pero la regla sí baja bien a un montaje pequeño: si tu política puede proponer varias trayectorias, añade un chequeo barato antes de enviar una al motor. Límites articulares, distancia a obstáculos y una estimación de si la pinza aún ve la pieza ya son un comienzo. Tranquilo, ese filtro sencillo suele enseñar más que pedirle al modelo que sea más listo.
- Pixel, preprint en arXiv
- Pixel-UMI, preprint en arXiv
- WISE para modelos de acción, preprint en arXiv
Cada afirmación de arriba sale de aquí. Si algo no tiene fuente, no está.