En su selección semanal Video Friday, IEEE Spectrum destaca varios trabajos recientes en robótica, incluido el modelo GEN-1.5 de Generalist, que aprendería una nueva tarea física en segundos a partir de un solo ejemplo. Los otros proyectos presentados se refieren al vuelo de drones, maquinaria de construcción, braquiación y una nueva interfaz de interacción entre humanos y robots.
- Generalist presenta GEN-1.5, un modelo que aprende una tarea física nueva a partir de un solo ejemplo.
- Un proyecto optimiza trayectorias de multirrotores con modelos analíticos, sin depender de datos.
- Gravis Robotics convierte maquinaria hidráulica comercial en robots mediante un kit de retrofit.
- Un robot bimanual cruza cuatro barras consecutivas en el mundo real gracias al aprendizaje por refuerzo.
Aprender a partir de un solo ejemplo
Generalist presenta GEN-1.5 como su último modelo de base para robots, es decir, un modelo de inteligencia artificial general destinado a pilotar máquinas físicas. Según la empresa, puede aprender una nueva tarea en segundos, a partir de un solo ejemplo, sin actualización de sus parámetros ni ajuste fino (fine-tuning). La entrada de blog citada también menciona capacidades de aprendizaje a partir de unos pocos ejemplos y una generalización física en zero-shot, es decir, sin ejemplo previo para la tarea.
Generalist precisa que las tareas siguen siendo simples y de corta duración. La empresa estima que se trata del primer modelo conocido que muestra, a gran escala, el aprendizaje en uno o pocos ejemplos de habilidades físicas, y lo ve como « un paso significativo » hacia su misión de construir una inteligencia general para el mundo físico. Los autores de la selección señalan, sin embargo, que, para varias de estas demostraciones, la entrada de blog no puede afirmar la ausencia de datos de entrenamiento relevantes más que « hasta donde sabemos ».
Drones, obras y brazos robotizados
Un proyecto nacido de una colaboración entre el grupo AIMS de la Hong Kong Polytechnic University y el DRAGON Lab de la Universidad de Tokio propone lo que sus autores describen como el primer marco de optimización de trayectorias basado en la programación secuencial convexa, un cálculo matemático de optimización, para los multirotores generalizados, ya sean convencionales u omnidireccionales. Los investigadores explican haberse preguntado « hasta dónde un modelo analítico basado en los primeros principios » podía llegar, en lugar de enseñar un comportamiento a partir de datos.
Por el lado de las obras, la empresa Gravis Robotics propone el Gravis Rack, un kit de retrofit que transforma maquinaria hidráulica comercial en robots. Cámaras, lidar, que es un sensor láser de detección, y computadora embarcada permiten a la máquina percibir su entorno, mientras que un control basado en el aprendizaje le permite trabajar cerca de sus límites, con ciclos completos y rápidos.
Investigadores del EVARL han presentado además un enfoque de aprendizaje por refuerzo, la WGRL, para la braquiación, ese modo de desplazamiento que consiste en balancearse de barra en barra. Según ellos, la política de control aprendida funcionó en recorridos con alturas, espaciados y orientaciones de barras variados, en experimentos en simulación, y su robot bimanual a tamaño real atravesó cuatro barras consecutivas en el mundo real. Por último, trabajos de TS-Robotics aprovechan los sensores de par articular de cobots estándar: una placa de plexiglás pasiva fijada a la brida del robot lo transforma en una interfaz de escritura manuscrita.
Agenda
El Humanoids Summit Seoul se celebrará los días 22 y 23 de septiembre de 2026 en Seúl, seguido de la conferencia IROS 2026, del 27 de septiembre al 1 de octubre de 2026 en Pittsburgh. La conferencia CoRL 2026 se desarrollará del 9 al 12 de noviembre de 2026 en Austin.
