Por Canuto  

Chelsea Finn, cofundadora de Physical Intelligence, presentó en una charla los últimos avances hacia robots de propósito general que puedan operar de forma autónoma en entornos reales. La investigadora detalló cómo combinan aprendizaje por refuerzo, intervención humana y modelos fundacionales para lograr tareas complejas como preparar café o doblar ropa con una confiabilidad superior al 90%.

***

  • Physical Intelligence desarrolló un algoritmo de mejora que combina intervención humana y aprendizaje por refuerzo para alcanzar una tasa de éxito superior al 90% en tareas como preparar espresso o doblar ropa.
  • El modelo Pi0-7, un solo modelo de propósito general, iguala o supera el rendimiento de especialistas ajustados en tareas individuales sin necesidad de post-entrenamiento.
  • El robot demostró generalización compositiva al doblar camisas en una plataforma robótica nunca antes vista y al interactuar con una freidora de aire que apenas figuraba en los datos de entrenamiento.

 

 

La inteligencia artificial (IA) física está dando pasos concretos hacia robots que puedan ayudar en el hogar y la industria sin supervisión constante. Chelsea Finn, cofundadora de Physical Intelligence y profesora en Stanford, presentó en una charla titulada Chelsea Finn: This is the State of the Art in Robotics los avances de su empresa hacia robots de propósito general.

Durante su intervención, Finn explicó que el objetivo es desarrollar modelos que permitan a cualquier robot realizar cualquier tarea en el mundo real, y mostró ejemplos concretos de autonomía prolongada.

Hace un año, Physical Intelligence demostró robots capaces de doblar ropa en habitaciones nunca antes visitadas. Ahora, según Finn, han logrado que los robots laven sartenes grasientas, pela zanahorias, preparen sándwiches de queso a la parrilla y corten calabacines. Pero la investigadora enfatizó que el foco no está en los videos llamativos, sino en los ingredientes necesarios para que los robots sean verdaderamente útiles: autonomía a largo plazo y modelos de propósito general.

El desafío de la autonomía prolongada

Finn contrastó la inteligencia física con la inteligencia artificial tradicional. En aplicaciones como recomendación de productos o chatbots, el usuario final toma la decisión basándose en la salida del modelo, por lo que los errores son tolerables. En cambio, un robot que opera en el mundo físico debe tomar decisiones autónomas que afectan directamente el entorno, lo que exige una confiabilidad mucho mayor.

“En la IA física, hacer que los sistemas sean autónomos durante largos períodos es fundamental”, afirmó Finn.

Para ilustrar este punto, planteó la tarea de preparar un espresso de manera confiable. Insertar el portafiltros requiere control preciso y enérgico, manejar tazas con líquido sin derrames y tener sentido del tiempo. Lograr más del 90% de confiabilidad no es trivial. El enfoque clásico de recopilar datos, entrenar un modelo y evaluar rara vez funciona en el primer intento. Por eso, Physical Intelligence desarrolló un algoritmo de mejora que combina intervención humana con aprendizaje por refuerzo (RL).

La primera ineficiencia que identificaron fue que los algoritmos de RL estándar desperdician tiempo en trayectorias sin salida. En lugar de dejar que el robot intente repetidamente caminos fallidos, un humano interviene con teleoperación para mostrarle cómo recuperarse de situaciones difíciles. “Esto permite que el robot use los datos de manera eficiente, aprendiendo de sus errores sin perder horas en caminos equivocados“, explicó Finn.

La segunda mejora consistió en amortizar la estimación de valor entre diferentes tareas. En lugar de generar múltiples intentos para un mismo prompt, entrenaron una función de valor de propósito general que predice el tiempo hasta el éxito. Esta función aprende qué acciones son buenas o malas en tareas muy distintas, como doblar camisas o recuperar artículos del refrigerador, reduciendo drásticamente la cantidad de intentos necesarios.

Con estas dos innovaciones, Physical Intelligence pudo ajustar un modelo fundacional a niveles de rendimiento mucho más altos. En la tarea de hacer un latte, el robot controla directamente las articulaciones usando imágenes de cámaras como entrada. Finn mostró un video de 13 horas continuas de operación autónoma, donde el robot insertaba el portafiltros, esperaba el tiempo exacto, vertía la leche y transfería la taza llena sin derramar. “El robot era lo suficientemente confiable para ser útil durante largos períodos”, aseguró.

Memoria para tareas de horizonte largo

Pero la autonomía no solo requiere control fino, sino también memoria. La mayoría de los modelos fundacionales de robótica operan sin contexto, basándose únicamente en las observaciones sensoriales actuales. Para tareas que implican múltiples pasos en secuencia, como limpiar una cocina, es crítico recordar qué se ha completado. Sin embargo, pasar video completo al modelo es prohibitivo: 10 segundos a 50 Hz con cuatro cámaras pueden generar medio millón de tokens.

La solución de Physical Intelligence fue un sistema de memoria en múltiples escalas de tiempo. Una memoria de video a corto plazo de unos 10 segundos se calcula de manera eficiente, mientras que la memoria de largo plazo (minutos u horas) se representa mediante resúmenes textuales de lo ocurrido. Con esta arquitectura, los robots pueden ejecutar tareas no repetitivas de 10 a 15 minutos, como limpiar la encimera, guardar mostaza en el refrigerador y lavar platos, todo de forma completamente autónoma.

Hacia un modelo de propósito general

El siguiente paso fue integrar todos estos ingredientes en un solo modelo de propósito general que funcione sin ajuste fino. Finn comparó la evolución de la inteligencia física con la línea de tiempo de la IA generalista: pasaron del entrenamiento desde cero (análogo a ImageNet en 2012) a la fase de modelos pre-entrenados como BERT, y ahora buscan la etapa de modelos listos para usar, como GPT.

Para lograrlo, Physical Intelligence entrenó el modelo Pi0-7 con una mezcla masiva de datos: demostraciones robóticas diversas, ejecuciones de políticas, videos humanos y datos web. La clave fue condicionar el modelo con contexto detallado: instrucciones de subtarea, metadatos de calidad y, opcionalmente, imágenes de subobjetivo generadas por un modelo del mundo. “Con esta indicación detallada, el modelo puede aprovechar incluso datos de baja calidad”, señaló Finn.

Los resultados son contundentes. El modelo Pi0-7, sin ningún post-entrenamiento, iguala o supera el rendimiento de especialistas ajustados con RL en tareas como doblar camisas, armar cajas de cartón y preparar espresso. Además, mostró una sorprendente generalización compositiva: fue capaz de doblar ropa en un brazo robótico industrial (modelo BARM) sin haber visto nunca datos de plegado en esa plataforma, y también interactuó con una freidora de aire que apenas aparecía en tres episodios del conjunto de entrenamiento.

En una prueba cuantitativa, el rendimiento (combinación de tasa de éxito y velocidad) del modelo Pi0-7 fue aproximadamente el doble que el de versiones anteriores, y la tasa de éxito en la tarea de espresso superó el 90%. Finn destacó que eliminar los datos más diversos reducía drásticamente el rendimiento, mientras que eliminar un 20% aleatorio de datos menos diversos apenas lo afectaba, lo que subraya la importancia de la diversidad.

Implicaciones y futuro

Physical Intelligence no solo publicó un informe técnico, sino que ya está implementando estos modelos en empresas del mundo real. Finn mencionó a Ultra y Weave, dos startups de Y Combinator, que han tomado los modelos de PI y los han post-entrenado para doblar ropa y empaquetar en almacenes. También mencionó aplicaciones en drones, robots quirúrgicos y tractores, mostrando la versatilidad de la plataforma.

Al preguntarle sobre el equivalente al ‘momento ChatGPT’ para la robótica, Finn fue cautelosa. “El canal de distribución para modelos físicos será más lento porque se necesita hardware real. Pero en cuanto a capacidades, estamos en el horizonte de los próximos años“, afirmó. La investigadora también aconsejó a los equipos pequeños comenzar con modelos generalistas de código abierto como Pi0-5 y ajustarlos para sus aplicaciones específicas.

Finn destacó que uno de los momentos más sorprendentes durante el desarrollo del modelo Pi0-7 fue ver cómo el robot transfería habilidades entre manos sin haber sido entrenado para ello. Cuando el papel de una tarea de ensamblaje cayó en la mano equivocada, el robot invirtió la estrategia y usó la pinza izquierda para insertar el pasador, algo que nunca había visto en los datos. “Ese tipo de capacidades emergentes son las que nos emocionan“, concluyó.

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

 


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