Por Canuto  

Un modelo de razonamiento entrenado en simulación completó 18 de 30 pruebas con un robot físico, frente a siete aciertos de un punto de control y ninguno del modelo base. El resultado apunta a una posible transferencia de habilidades, aunque la dependencia de instrucciones detalladas y el tiempo de razonamiento siguen siendo obstáculos.
***

  • El modelo final acertó 18 de 30 pruebas físicas: 12 de agarre y seis de alineación de bloques.
  • Los investigadores entrenaron las habilidades en simuladores, sin datos de robots reales durante el post-entrenamiento robótico.
  • El experimento aún depende de prompts detallados y de rondas de razonamiento que pueden ralentizar las tareas.


Una IA entrenada en simulación completó 18 pruebas con un robot real

Un modelo de inteligencia artificial entrenado para controlar robots en entornos simulados completó 18 de 30 intentos en una evaluación con hardware físico, según resultados comunicados por los investigadores de PEAR. El desempeño superó al de un punto de control entrenado solo con el simulador LIBERO, que acertó siete pruebas, y al modelo base, que no completó ninguna.

El resultado ofrece evidencia de que algunas habilidades aprendidas en simulación pueden trasladarse a un robot diferente, pero no demuestra que el sistema ya sea de uso general. Las tareas evaluadas fueron acotadas, el modelo practicó en simulación los mismos tipos de acciones que luego enfrentó y su funcionamiento dependió de instrucciones detalladas y de un razonamiento que puede añadir demoras.

Qué midió la prueba en el robot físico

El modelo evaluado fue Qwen3.8-27B, un sistema de razonamiento de pesos abiertos con 27 mil millones de parámetros, sometido a una etapa de post-entrenamiento robótico mediante aprendizaje por refuerzo. CryptoSlate reportó que los investigadores presentaron el preprint el 13 de noviembre de 2026 y que, durante esa etapa de entrenamiento, no recurrieron a demostraciones para enseñar las acciones.

La evaluación física se realizó con un robot YAM de doble brazo, un hardware en el que ninguno de los modelos comparados había recibido entrenamiento en el estudio. El protocolo reunió 30 intentos: 20 pruebas de agarre distribuidas entre diez objetos y diez pruebas de alineación en cinco configuraciones de bloques, con dos intentos para cada objeto o disposición.

El modelo final tuvo éxito en 12 de los intentos de agarre y en seis de los de alineación, para un total de 18 aciertos. El punto de control entrenado únicamente con LIBERO completó siete pruebas, mientras que el modelo base, sin post-entrenamiento robótico en este estudio, no consiguió completar ninguna de las 30.

La comparación permite observar una diferencia entre los tres puntos de control bajo un protocolo común, pero no debe confundirse con una evaluación amplia de capacidades robóticas. Los resultados corresponden a dos clases de tareas y a una configuración específica, por lo que no establecen cómo respondería el modelo ante objetos, movimientos o condiciones que no formaron parte de la prueba.

De la práctica simulada al hardware

Antes de la evaluación, el modelo final practicó en simulación tanto el agarre como la alineación de bloques, que fueron precisamente las habilidades examinadas en el robot físico. De acuerdo con la descripción del experimento, continuó su entrenamiento en esas tareas dentro de RoboDojo, un simulador asociado a un robot diferente del YAM utilizado en la evaluación real.

Ese contraste es central para interpretar el resultado: el sistema no aprendió sus acciones directamente a partir de experiencias registradas en el YAM físico durante este estudio. Los investigadores afirman que ninguno de los modelos recibió entrenamiento en ese robot y que no emplearon datos de robots reales para el post-entrenamiento robótico que describen.

La expresión entrenamiento solo en simulación requiere, sin embargo, una precisión importante. Se refiere a la etapa de post-entrenamiento robótico, no al entrenamiento fundacional completo del modelo, y no significa que el sistema careciera de conocimientos previos antes de aprender a realizar estas tareas.

El punto de control LIBERO también ayuda a acotar la interpretación: obtuvo siete aciertos físicos, mientras que el modelo final, que añadió entrenamiento de las tareas correspondientes en RoboDojo, alcanzó 18. Esa diferencia es consistente con la posibilidad de que practicar acciones específicas en simulación contribuya a la transferencia, aunque el material reportado no permite aislar por sí solo todos los factores que explican la brecha.

Cómo decide el modelo cada movimiento

En cada turno, el modelo recibe imágenes de las cámaras y el estado del robot, y luego expresa mediante texto los cambios que busca en la pose de la pinza. Un componente de cinemática inversa traduce esa pose objetivo en movimientos articulares, que después ejecuta un controlador.

El prompt no se limita a pedirle que agarre o mueva un objeto: también especifica marcos de coordenadas, orientación de la pinza, cámaras y condiciones para considerar finalizada la tarea. Los propios investigadores reconocen que el desempeño depende de esas descripciones, de modo que el resultado refleja tanto el aprendizaje del modelo como la configuración concreta de instrucciones y percepción.

Los tres modelos comparados utilizaron la misma configuración de alto esfuerzo de razonamiento, identificada como xhigh. Cada prueba tenía un presupuesto de 25 rondas y se consideraba fallida si una sola ronda superaba los 32.000 tokens de razonamiento; entre los intentos exitosos del modelo final, las tareas requirieron de siete a 24 rondas.

Esta dinámica impone un costo operativo: el sistema razona antes de cada movimiento y, según los autores, ese proceso ralentiza las tareas. Una habilidad que funciona en una prueba controlada puede ser menos práctica si cada acción exige varios ciclos de análisis, por lo que la velocidad de respuesta constituye una limitación distinta de la tasa de aciertos.

Alcance, velocidad y límites del resultado

Los investigadores describieron por separado una demostración de decodificación que alcanzó 747 tokens por segundo en un equipo GB300, usando pesos NVFP4 de menor precisión y el acelerador de decodificación DFlash2. Según su estimación, esa velocidad equivaldría a unos 4,3 segundos para generar una ronda promedio de razonamiento de alto esfuerzo.

Ese dato de velocidad no corresponde a las condiciones con las que midieron los aciertos físicos. Para las evaluaciones reportadas utilizaron pesos BF16 porque la cuantización redujo la precisión, por lo que la demostración acelerada y los resultados del robot describen configuraciones operativas distintas y no deben presentarse como una sola prueba.

La investigación sigue siendo un experimento comunicado por sus autores, pendiente de replicación independiente, y no una confirmación externa de que la técnica funcione de manera consistente en otros laboratorios o robots. El propio alcance es limitado: el modelo practicó dos tipos de tareas, las probó en un hardware distinto y dependió de prompts con instrucciones sobre el entorno y la ejecución.

El repositorio público de PEAR ofrece infraestructura de entrenamiento y recetas de despliegue, pero convertir el resultado en un sistema robótico de propósito general exigiría ampliar la variedad de tareas y reducir los retrasos de razonamiento. Por ahora, los 18 aciertos muestran una transferencia prometedora entre simulación y hardware en un escenario delimitado, no una solución definitiva para controlar robots en cualquier entorno.


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