Un robot humanoide aprende secuencias complejas sin datos de entrenamiento unificados
Ingenieros de la Universidad Nacional de Seúl presentan el marco RISE para vincular la marcha y la manipulación en un Unitree G1.
Traducido automáticamente del original en inglés Leer el original
Enseñar a una máquina bípeda a caminar por una sala y manipular objetos suele requerir secuencias de demostración ininterrumpidas que son difíciles de registrar de forma fiable. Un equipo de investigación de la Universidad Nacional de Seúl ha creado una arquitectura de visión-lenguaje-acción llamada RISE, que conecta datos de marcha y de manipulación recogidos de forma independiente para ejecutar tareas secuenciales. El sistema impulsa la robótica práctica al reducir la carga de entrenar máquinas físicas.
El cuello de botella del entrenamiento de dos habilidades
Los modelos de visión-lenguaje-acción impulsados por inteligencia artificial permiten a las máquinas interpretar comandos en lenguaje natural junto con escenas visuales para ejecutar movimientos físicos en la robótica avanzada. Aplicar estos sistemas a un robot humanoide plantea un problema mecánico fundamental, según informa TechXplore. La locomoción depende de la coordinación de las piernas y del equilibrio, mientras que la manipulación exige un seguimiento preciso de brazos y manos. Cuando los ingenieros intentan recopilar demostraciones completas de varias etapas que combinen ambos comportamientos, cualquier pequeño fallo durante un movimiento intermedio arruina todo el conjunto de datos. Reunir ejemplos aislados de marcha o de agarre es mucho más sencillo, pero los conjuntos de datos separados no enseñan a una máquina cuándo debe detenerse un comportamiento y cuándo debe comenzar el siguiente.
Asignar responsabilidad a expertos individuales
Para salvar esta brecha sin demostraciones de tareas de extremo a extremo, un equipo dirigido por el profesor Songhwai Oh en la Facultad de Ingeniería de la Universidad Nacional de Seúl creó RISE, abreviatura de Responsibility-Induced Specialized Experts. Descrito en una investigación aceptada para la conferencia IROS 2026, el marco combina un sistema compartido de percepción visual-lenguaje con un metacontrolador y varios submódulos de acción, según TechXplore. Durante la fase de aprendizaje, el controlador mide la precisión de predicción de cada acción y asigna una puntuación operativa conocida como responsabilidad. Los submódulos que obtienen puntuaciones más altas adquieren mayor influencia sobre movimientos específicos, dividiendo el trabajo automáticamente entre locomoción y manipulación sin roles preprogramados. El sistema monitoriza después los cambios en estas ponderaciones de los expertos durante la ejecución, usando las variaciones como disparadores automáticos para alternar entre etapas.
Probar la ejecución de varias etapas en hardware físico
Los investigadores evaluaron la arquitectura en entornos simulados antes de desplegarla en hardware físico, usando un Unitree G1 equipado con dos manos Dex3-1. Esta configuración física otorgó a la máquina 43 grados de libertad controlables, según detalla TechXplore. En pruebas digitales de tareas de dos a cuatro etapas con botellas, vasos y fruta, el nuevo método alcanzó una tasa de éxito media del 87,3 %. Superó el 73,6 % registrado por una línea base construida sobre el modelo fundacional GR00T de NVIDIA. En el robot Unitree físico, las tareas abarcaron hasta cinco etapas, incluida la recogida de un objeto, el desplazamiento y la recogida de un segundo objeto. En condiciones físicas, el sistema registró una tasa de éxito del 50,0 %, superando a la línea base en 20 puntos porcentuales a medida que aumentaba la complejidad de la tarea, lo que supone una innovación prometedora para el futuro de los sistemas autónomos.
Lea también en The Patent: Investigadores de Pekín diseñan andamios óseos en 12 segundos con IA
