Por Canuto  

Runway publicó Praxis-1 el 11 de noviembre, con pesos y código bajo licencia Apache 2.0. El modelo convierte imágenes de cámara, instrucciones y datos de posición en movimientos robóticos. Sus resultados iniciales son competitivos, pero la evaluación reportada por la empresa también deja en evidencia límites para reconocer objetos parecidos y encadenar acciones complejas.
***

  • Praxis-1 se ofrece con licencia Apache 2.0, que permite el uso comercial, y requiere entrenamiento adicional para adaptarse a nuevos robots.
  • Runway reportó una tasa de éxito de 46,2% en RoboLab-120, frente a 42,9% de FLUX 3 Action, y mejores resultados en una prueba con un brazo Franka.
  • Runway realizó las pruebas y no cuentan con verificación independiente; el sistema todavía puede fallar con objetos similares e instrucciones vagas.

Runway publicó Praxis-1 el 11 de noviembre: un modelo diseñado para traducir lo que observa una cámara y una instrucción escrita en movimientos para un robot. La empresa ofrece sus pesos y código bajo la licencia Apache 2.0, que permite también el uso comercial.

La propuesta busca aprovechar aprendizajes obtenidos de videos comunes para reducir, potencialmente, la dependencia de extensas colecciones de datos robóticos. Los resultados divulgados incluyen evaluaciones de simulación y ensayos con hardware, aunque los organizó la propia compañía y todavía no cuentan con verificación independiente, por lo que conviene leerlos como evidencia inicial y no como una validación externa del desempeño.

Del video a las órdenes para el robot

Praxis-1 recibe imágenes capturadas por una cámara, instrucciones de texto e información sobre la posición del robot. Con esas entradas, el modelo estima cómo podría cambiar el entorno y calcula los movimientos necesarios para actuar; cuando llegan nuevos fotogramas, actualiza el control en lugar de depender de una única orden inicial.

El sistema parte de un modelo de video que aprendió patrones de movimiento e interacción entre objetos a partir de grabaciones ordinarias. Runway lo ajustó después con videos de acciones humanas y datos de robots, una combinación que apunta a transferir a máquinas parte de la comprensión visual adquirida antes de la adaptación especializada.

Ese enfoque podría aliviar una dificultad habitual en robótica: reunir conjuntos de datos específicos del hardware y de las tareas, un proceso que exige grabar acciones con cada tipo de máquina. Sin embargo, el lanzamiento no demuestra que Praxis-1 necesite menos datos en total que otros sistemas, ya que su entrenamiento previo también incorporó datos robóticos y la cantidad requerida cambia según el robot y la aplicación.

La compañía describe Praxis-1 como un World Action Model, o modelo de acción del mundo: un sistema que anticipa cambios en una escena y deriva de ellos acciones para el robot. La estrategia lleva a la robótica una línea de investigación asociada a los modelos de video de Runway, pero la capacidad de generar o interpretar escenas no equivale por sí sola a planificar una tarea física de principio a fin.

Pruebas con simulación y robots físicos

En resultados reportados por Runway para RoboLab-120, un benchmark de Nvidia que evalúa 120 tareas simuladas de clasificación, agarre y apilamiento, Praxis-1 registró una tasa de éxito de 46,2%. FLUX 3 Action, otro modelo de acción del mundo, obtuvo 42,9%. Estas cifras indican una diferencia a favor de Praxis-1 en esa evaluación, pero no bastan por sí solas para establecer una clasificación general entre todos los modelos del benchmark.

Las cifras proceden de pruebas ejecutadas por Runway y, según la información disponible, aún no han recibido una comprobación independiente. Esa limitación importa al comparar resultados: los datos publicados por una misma organización pueden servir como referencia inicial, pero no sustituyen una evaluación reproducida por terceros con protocolos y condiciones verificables.

La empresa también ajustó Praxis-1 para un brazo robótico Franka con unas 277 horas de grabaciones del conjunto público de investigación DROID, donde aparecen, por ejemplo, robots que toman y trasladan objetos. En una prueba real, el brazo debía completar diez tareas, entre ellas poner un plátano en un plato y cerrar un cajón; cada sistema dispuso de diez intentos por tarea.

En ese ensayo, Praxis-1 consiguió 88 éxitos de los 100 intentos posibles, frente a 80 de FLUX 3 Action. La diferencia favorece al modelo de Runway en esa muestra concreta, pero no permite concluir que aventaje al otro sistema en cualquier robot, entorno o tipo de trabajo, dado que la prueba cubrió un conjunto delimitado de acciones y la propia empresa realizó la evaluación.

Adaptación, datos y límites prácticos

Según Runway, Standard Bots, Noble Machines y Ultra probaron Praxis-1 en plataformas distintas: un robot humanoide, un brazo industrial y un robot de almacén de doble brazo. Para este último tipo de sistema, Runway utilizó entre 1.400 y 2.600 horas de material de entrenamiento; la diferencia respecto de las 277 horas del ajuste para Franka ilustra que adaptar el modelo puede exigir volúmenes muy distintos de datos.

La compañía ensayó además la transferencia a una plataforma móvil con un brazo de agarre que Google había utilizado anteriormente para desarrollar RT-1. Los registros de ese robot no habían formado parte del entrenamiento previo de Praxis-1; tras ajustarlo con unas 95 horas de datos de la plataforma, Runway informó una tasa media de éxito de 80% en simulaciones con cuatro clases de tareas.

Esas tareas incluían agarrar latas de refresco, abrir y cerrar cajones y colocar una manzana dentro de un cajón. En el mismo benchmark, el modelo RT-1 de Google obtuvo 52,4%, de acuerdo con los resultados informados por Runway; la comparación sugiere una transferencia prometedora, aunque sigue siendo una evaluación de la empresa y no una prueba independiente.

La utilidad inmediata que Runway atribuye al modelo es la ejecución rápida de movimientos, no la planificación autónoma de trabajos largos. Praxis-1 puede confundir objetos de apariencia parecida y tener problemas con indicaciones vagas; cuando una tarea requiere varios pasos, estos deben especificarse porque el sistema todavía no organiza de forma confiable secuencias complejas por sí solo.

La empresa plantea que, más adelante, Praxis-1 podría trabajar junto con modelos de propósito general encargados de dividir una tarea difícil en instrucciones individuales. En ese esquema, un sistema de alto nivel decidiría qué pasos seguir y el modelo robótico los ejecutaría, pero esa colaboración aparece como una posibilidad futura, no como una capacidad ya demostrada en las pruebas reportadas.

Los desarrolladores pueden obtener el modelo base y versiones preadaptadas para distintos robots desde Hugging Face, después de registrarse y aceptar las condiciones de acceso; el código está disponible en GitHub. La versión estándar requiere una GPU con 80 GB de memoria, mientras que Runway estima que una versión comprimida podría caber en una RTX 5090 con 32 GB de VRAM, aunque la documentación advierte que todavía no midió el consumo máximo real.


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