Por Canuto  

Skild AI presentó S1, un modelo fundacional de robótica que, según la empresa, permite a los robots aprender tareas de manipulación a partir de una única demostración en video. El sistema interpreta la intención humana y la convierte en acciones, incluso frente a tareas nuevas y cambios en el entorno.
***

  • S1 utiliza una demostración en video como instrucción y no requiere ajuste fino específico para cada tarea, según Skild AI.
  • La empresa mostró al modelo ejecutando tareas no vistas, como plantar macetas, cocinar crepes, preparar café y ensamblar kits.
  • Skild AI reportó una tasa de éxito del 66% para S1, frente al 9% de un modelo convencional con indicaciones de lenguaje.

 

Skild AI presentó S1, un modelo fundacional de robótica diseñado para que los robots aprendan nuevas tareas de manipulación a partir de una única demostración en video. La empresa sostiene que el sistema puede interpretar la intención de quien realiza la demostración y convertirla en movimientos adecuados para el robot y el entorno, sin un ajuste fino específico para cada actividad ni una etapa posterior de entrenamiento.

La propuesta busca cambiar la forma en que se enseñan comportamientos a las máquinas. En lugar de describir una tarea principalmente mediante lenguaje o recopilar extensas sesiones de teleoperación, un operador muestra el procedimiento ante una cámara y S1 utiliza ese material como una instrucción visual, de forma comparable al aprendizaje en contexto de los grandes modelos de lenguaje, indican reportes.

Un video como instrucción para el robot

Skild AI describe S1 como un sistema capaz de aprender tanto tareas conocidas como actividades que no aparecieron durante su entrenamiento, utilizando los mismos pesos del modelo. La empresa resume el funcionamiento con una promesa directa: “Muéstrale un vídeo de una tarea, corta o larga, vista o no vista, y la ejecuta”. En este enfoque, la demostración reemplaza a una orden textual detallada y aporta información sobre la secuencia, los objetos y la intención del usuario.

El aprendizaje en contexto permite que el robot observe el ejemplo antes de comenzar la ejecución autónoma, sin que los desarrolladores deban modificar la política para cada nuevo objetivo. Esa diferencia resulta importante en tareas de manipulación con muchos pasos, porque cualquier cambio suele exigir datos adicionales, ajuste fino, validación y nuevas pruebas antes de llevar el comportamiento al hardware.

La empresa afirma que S1 puede ejecutar procedimientos que duran hasta 10 minutos y contienen decenas de acciones de manipulación a partir de una sola demostración visual. Entre las pruebas mencionadas aparecen plantar macetas, cocinar crepes, preparar café de vertido y ensamblar kits, actividades que combinan objetos, movimientos y decisiones sucesivas en lugar de una operación aislada.

En un experimento de plantado de macetas, Skild AI indicó que solo transcurrieron 11 minutos entre la grabación de la demostración humana y el inicio de la ejecución autónoma en hardware robótico. La compañía comparó ese plazo con los flujos convencionales, en los que enseñar una tarea nueva suele comenzar con horas de teleoperación y una ejecución de ajuste fino diseñada específicamente para esa política.

Resultados y comparación con modelos convencionales

Para respaldar su propuesta, Skild AI reportó una comparación entre S1 y un modelo convencional de acción visión-lenguaje que recibe indicaciones mediante lenguaje. En tareas previamente no vistas, S1 alcanzó una tasa de éxito del 66% después de un preentrenamiento con 100.000 horas de datos, mientras que el modelo convencional llegó al 9%, según los resultados comunicados por la compañía.

La empresa también afirmó que una sola demostración en video produjo un rendimiento aproximadamente equivalente al de un modelo tradicional que recibe unas 380 demostraciones durante el entrenamiento posterior. Recopilar esa cantidad de ejemplos para tareas de largo horizonte requirió entre 50 y 100 horas de teleoperación, una carga que S1 pretende reducir al trasladar parte del aprendizaje a la fase de inferencia.

Los porcentajes y equivalencias corresponden a la evaluación presentada por Skild AI, por lo que describen el desempeño informado por la propia empresa y no una validación independiente incluida en la información disponible. Aun así, la comparación ilustra el objetivo técnico del modelo: disminuir el volumen de datos específicos que los equipos necesitan reunir cada vez que un robot debe incorporar una actividad diferente.

El sistema no se limita, según la compañía, a repetir una secuencia rígida con los mismos objetos de la demostración. Skild AI informó que S1 puede responder a cambios que no estaban presentes en el video original, como objetos que se mueven o son sustituidos, y que en algunas ocasiones logra recuperarse de errores durante la ejecución.

El desafío de operar en entornos cambiantes

La adaptación a variaciones del entorno es uno de los obstáculos centrales para llevar robots desde escenarios controlados hasta aplicaciones reales. Una política que funciona con una taza, una maceta o un conjunto de herramientas específicos puede fallar si cambia la posición, la apariencia o la disponibilidad de alguno de esos elementos, de modo que la capacidad de generalización resulta tan relevante como la precisión del movimiento.

Skild AI sostiene que el aprendizaje rápido será cada vez más importante a medida que los robots enfrenten tareas y condiciones que cambian continuamente. La empresa advierte que, si cada modificación obliga a repetir la recopilación de datos, el ajuste fino de la política y la validación, los robots no podrán seguir el ritmo de los entornos donde deben operar.

La visión de la compañía es que las máquinas adquieran nuevos comportamientos de una forma más parecida a la humana: observando una demostración y adaptándola a la situación concreta. Esa idea desplaza parte de la complejidad desde el entrenamiento previo hacia la interpretación del contexto, lo que puede facilitar el despliegue, aunque también exige que el modelo comprenda correctamente la intención y los límites de la acción observada.

El uso de infraestructura de inteligencia artificial de Nvidia para entrenar S1 refleja la escala computacional que requiere este tipo de modelo fundacional. Skild AI no detalló en la información disponible el costo del entrenamiento, el tamaño del modelo ni las condiciones completas de las pruebas, por lo que todavía quedan preguntas sobre su desempeño fuera de los escenarios demostrados y sobre la consistencia de sus resultados en operaciones prolongadas.

De la demostración al uso comercial

Skild AI afirmó que S1 ya se utiliza con sus socios comerciales, aunque no identificó a esas empresas ni describió las aplicaciones concretas en las que el modelo está desplegado. La referencia indica que la tecnología ha pasado, al menos para algunos colaboradores, de la demostración experimental a una etapa de uso con hardware robótico y tareas prácticas.

El paso comercial será una prueba distinta a las demostraciones controladas, porque los robots deberán responder a objetos impredecibles, instrucciones incompletas y errores que pueden tener consecuencias operativas. En ese contexto, la posibilidad de aprender desde un video podría reducir tiempos de configuración, pero la confiabilidad, la seguridad y la supervisión humana seguirán siendo factores decisivos antes de ampliar el despliegue.

La propuesta también plantea una nueva relación entre los datos y la robótica. En vez de depender exclusivamente de grandes colecciones de ejemplos etiquetados para cada tarea, S1 intenta aprovechar modelos preentrenados capaces de interpretar una muestra nueva en tiempo real, una estrategia que recuerda la evolución de los sistemas de inteligencia artificial que pasaron de instrucciones rígidas a interacciones más flexibles.

Por ahora, los datos publicados describen las afirmaciones y comparaciones de Skild AI, no una garantía de que cualquier robot pueda aprender cualquier tarea con una sola grabación. La empresa busca demostrar que observar una actividad puede ser suficiente para acelerar la adaptación, mientras la industria deberá comprobar si esa promesa mantiene su precisión cuando las tareas cambian, los objetos se sustituyen y los errores dejan de ser recuperables.

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