El planificador de robots de AMI Labs alcanza un 70% de éxito en la tarea de pick-and-place sin necesidad de datos de entrenamiento adicionales

Un nuevo marco de planificación jerárquica para la robótica ha demostrado que una estructura algorítmica sofisticada puede superar significativamente la cantidad de datos. Al reutilizar un modelo de mundo basado en video entrenado con un mínimo de material sin etiquetar, los investigadores lograron una tasa de éxito del setenta por ciento en tareas de pick-and-place robótico sin necesidad de entrenamiento adicional. Este resultado desafía la suposición predominante en la industria de que los conjuntos de datos masivos y los datos de interacción etiquetados son los principales cuellos de botella para el rendimiento de los robots, sugiriendo que el diseño arquitectónico es igualmente crítico. El sistema utiliza un enfoque de doble modelo donde las macroacciones de alto nivel guían la ejecución de bajo nivel a través de un espacio latente compartido. Esta estructura jerárquica previene fallos de planificación "no codiciosa" (non-greedy), en los que los robots apuntan incorrectamente al destino final en lugar de a los pasos intermedios necesarios. El codificador compartido permite transiciones fluidas entre la planificación abstracta y la ejecución de acciones primitivas, posibilitando una replanificación continua eficiente que reduce la carga computacional mientras mejora la precisión en tareas complejas y de largo horizonte. Este avance es altamente relevante para la comunidad open_data, ya que demuestra que el aprendizaje autosupervisado sobre datos sin etiquetar puede producir agentes robóticos capaces. Valida la filosofía de open_data de que los conjuntos de datos públicos y sin etiquetar son suficientes para desarrollar modelos fundamentales, reduciendo la dependencia de costosos datos etiquetados propietarios. Al mostrar que el video abierto y sin etiquetar puede impulsar una inteligencia artificial física de alto rendimiento, fomenta una adopción más amplia de modelos de mundo de código abierto y democratiza el acceso a capacidades robóticas avanzadas tanto para fabricantes como para investigadores.

Fuente: techtimes.com
Publicado el 2026-10-16

El planificador de robots de AMI Labs alcanza un 70% de éxito en la tarea de pick-and-place sin necesidad de datos de entrenamiento adicionales

Noticias relacionadas