Por Angel Di Matteo   𝕏 @shadowargel

Nvidia presentó ENPIRE, un sistema que permite a agentes de inteligencia artificial entrenar robots físicos sin supervisión humana constante. La tecnología logró que una flota de brazos robóticos aprendiera tareas complejas por sí misma y alcanzara tasas de éxito cercanas al 99%.

***

  • ENPIRE permite que agentes de IA diseñen, prueben y mejoren habilidades robóticas de forma autónoma.
  • Ocho estaciones robóticas colaboraron entre sí para acelerar el aprendizaje.
  • Los robots aprendieron tareas como insertar pines, ensamblar componentes y cortar bridas.
  • Nvidia ve el proyecto como un paso hacia la investigación autónoma en el mundo físico.

 

La carrera por desarrollar inteligencia artificial cada vez más autónoma acaba de dar un nuevo paso fuera de las pantallas. Nvidia anunció esta semana ENPIRE, un marco de trabajo que permite a agentes de IA entrenar robots físicos prácticamente sin intervención humana, trasladando al mundo real el concepto de “autoresearch” que ya utilizan modelos capaces de escribir y corregir su propio código.

El proyecto fue desarrollado por investigadores de Nvidia junto con equipos de Carnegie Mellon University y UC Berkeley. Según los resultados publicados en un artículo científico, reseñado por Decrypt, una flota de ocho brazos robóticos pasó semanas aprendiendo por sí sola tareas como insertar pines en pequeños orificios, colocar tarjetas gráficas o cortar sujetadores plásticos.

La intervención humana se limitó a configurar el sistema inicial y documentar posteriormente los resultados.

Cómo funciona ENPIRE

El sistema divide el proceso en dos etapas principales.

Durante la primera fase, un investigador ayuda al agente de IA a construir dos herramientas permanentes: una rutina capaz de devolver el entorno de trabajo a un estado inicial después de cada intento y una función de evaluación que analiza imágenes de cámaras para determinar si la tarea fue completada correctamente.

Una vez construidas esas herramientas, comienza la verdadera autonomía. El agente puede buscar investigaciones publicadas, seleccionar métodos de aprendizaje, modificar su propio código, ejecutar pruebas sobre robots reales y evaluar resultados sin necesidad de supervisión constante.

En otras palabras, el sistema se convierte simultáneamente en investigador, programador y evaluador de sus propios experimentos.

Ocho robots trabajando como una sola mente

Nvidia desplegó ENPIRE sobre ocho estaciones robóticas bimanuales independientes, cada una equipada con su propio computador, hardware y agente de IA.

Los robots compartían avances utilizando Git, la misma herramienta empleada por desarrolladores de software para sincronizar cambios de código. Cuando una estación encontraba una estrategia efectiva, el resto podía adoptarla en cuestión de minutos.

Los resultados mostraron mejoras significativas en velocidad de aprendizaje.

Una tarea denominada Push-T, que consiste en empujar una pieza con forma de letra T hasta una zona específica, pasó de requerir aproximadamente cinco horas de entrenamiento utilizando un solo robot a apenas dos horas cuando participaban los ocho sistemas simultáneamente.

En el caso de la inserción de pines de cuatro milímetros, el tiempo de aprendizaje cayó desde más de 90 minutos hasta unos 40 minutos.

Resultados cercanos al 99% de éxito

Los investigadores afirman que los agentes lograron llevar varias de las tareas evaluadas a tasas de éxito cercanas al 99%.

Particularmente destacable fue el caso de la inserción de pines, donde el sistema alcanzó niveles de fiabilidad superiores y más rápidos que otros enfoques tradicionales que todavía requieren intervención humana periódica.

Jim Fan, director de investigación en IA de Nvidia y uno de los responsables del laboratorio GEAR, describió el proyecto como el primer intento exitoso de trasladar el concepto de investigación autónoma al mundo físico.

Según Fan, los investigadores simplemente proporcionaron a los agentes acceso a robots, capacidad computacional y un presupuesto de tokens. A partir de allí, el sistema comenzó a experimentar por su cuenta.

El desafío de pasar de la simulación al mundo real

Uno de los hallazgos más interesantes del estudio fue la diferencia entre los resultados obtenidos en simuladores y aquellos logrados con hardware físico.

Los tres agentes evaluados lograron resolver satisfactoriamente la tarea Push-T dentro de entornos virtuales. Sin embargo, dos de ellos fracasaron cuando se enfrentaron a mesas, superficies y condiciones reales.

El problema ilustra uno de los principales desafíos actuales de la robótica avanzada: la denominada “brecha entre simulación y realidad”, donde factores como la fricción, el desgaste físico o pequeñas variaciones ambientales pueden alterar significativamente el rendimiento de los modelos entrenados digitalmente.

Nvidia y Alibaba avanzan hacia la robótica impulsada por IA

El anuncio de ENPIRE llega apenas días después de que Alibaba presentara su plataforma Qwen-Robot Suite, una familia de modelos diseñada para navegación, manipulación y simulación física de robots.

Aunque ambos proyectos siguen enfoques distintos, apuntan hacia la misma dirección: convertir a los agentes de IA en investigadores capaces de aprender, adaptarse y mejorar habilidades robóticas de manera autónoma.

Mientras Alibaba se concentra en crear los “cerebros” que controlarán futuras máquinas, Nvidia explora una visión aún más ambiciosa: agentes que no solo operen robots, sino que también desarrollen y optimicen por sí mismos las capacidades que esos robots necesitarán en el futuro.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados