Un robot puede aprender una tarea nueva tras observarla durante apenas unos segundos
Generalist AI ha presentado GEN-1.5, un modelo de inteligencia artificial para robots que permite intentar una tarea desconocida después de observar una única demostración de entre tres y 12 segundos. La compañía denomina a este enfoque physical prompting o «prompt físico»: en lugar de describir una instrucción con palabras, el usuario muestra al robot los movimientos que debe realizar.
La propuesta pretende reducir uno de los principales obstáculos de la robótica actual. Hasta ahora, enseñar a un robot a completar una acción nueva solía exigir recopilar numerosos ejemplos, preparar un conjunto de datos específico y realizar un proceso de ajuste del modelo, conocido como fine-tuning. GEN-1.5 intenta sustituir buena parte de ese trabajo por una demostración breve.
El vídeo se convierte en la instrucción
El sistema analiza el estado inicial de la escena, identifica los objetos y observa cómo una persona o un robot interactúa con ellos. A partir de esa información, trata de inferir cuál es el objetivo de la acción y qué pasos son necesarios para alcanzarlo.
Entre las tareas mostradas figuran abrir un bote, bajar una cremallera o extraer un billete de una cartera. La clave no está en copiar de forma exacta cada posición de la demostración, sino en interpretar la intención y trasladarla a las pinzas y articulaciones del robot.
Este funcionamiento guarda cierta relación con los modelos de lenguaje de gran tamaño, como los que utilizan los asistentes de IA. Cuando un modelo de texto recibe una instrucción acompañada de uno o varios ejemplos, puede deducir el patrón esperado sin haber sido entrenado específicamente para esa petición. En GEN-1.5, el ejemplo no es una frase: es una secuencia de movimientos.
De una demostración humana a las pinzas del robot
Una de las características más destacadas del modelo es que no necesita observar siempre a otro robot. Una persona puede ejecutar la acción con sus propias manos delante de las cámaras y el sistema intenta adaptar esos movimientos a su configuración mecánica.
También puede combinar demostraciones distintas. Por ejemplo, si recibe información sobre el comienzo y el final de una tarea, el robot trata de deducir los movimientos intermedios que no se le han mostrado directamente. Esta capacidad apunta a un aprendizaje más flexible que la simple memorización de trayectorias.
La empresa asegura además que una demostración realizada en un entorno virtual puede servir para controlar un robot físico, incluso cuando el sistema no ha sido entrenado previamente con simulaciones. El objetivo es que el modelo aproveche conocimientos generales sobre objetos, movimientos y manipulación en escenarios diferentes.
Una tasa de éxito del 59% en las primeras pruebas
Los resultados disponibles muestran que la tecnología todavía está en una fase inicial. Generalist AI probó GEN-1.5 con diez tareas de manipulación sencillas y relativamente cortas. La tasa media de éxito fue del 59%, lo que significa que el robot falló aproximadamente cuatro de cada diez intentos.
La inconsistencia resulta especialmente relevante en robótica. Un fallo ocasional puede ser asumible en una demostración, pero plantea problemas en una fábrica, un almacén o un entorno doméstico. Una pinza que no agarre correctamente un objeto o aplique demasiada fuerza puede interrumpir el proceso o causar daños.
La propia compañía reconoce que las habilidades adquiridas mediante una demostración contextual son, por ahora, menos sólidas que las obtenidas mediante entrenamiento específico. El modelo puede comprender la tarea en términos generales, pero todavía tiene dificultades para repetirla de manera fiable ante pequeños cambios en la posición, el objeto o el entorno.
Un breve entrenamiento eleva el rendimiento al 83%
GEN-1.5 puede mejorar sus resultados con un ajuste adicional de dimensiones reducidas. Según los datos presentados, unos cinco minutos de grabaciones, equivalentes a unas 50 demostraciones de una tarea sencilla, y solo diez actualizaciones del modelo elevan la tasa de éxito hasta el 83%.
En ese proceso, los parámetros internos del sistema, conocidos como pesos, cambian menos de un 0,15%. Los pesos son los valores que determinan cómo interpreta la inteligencia artificial la información y cómo decide sus acciones. La interpretación de Generalist AI es que el modelo no aprende desde cero, sino que reorganiza conocimientos generales que ya había adquirido.
El reto de construir robots de propósito general
La apuesta de Generalist AI se enmarca en una carrera más amplia para crear robots capaces de reutilizar lo aprendido entre tareas, objetos y espacios diferentes. En lugar de desarrollar un sistema independiente para abrir una puerta, ordenar una pieza o manipular una herramienta, la meta es contar con un modelo base al que se pueda guiar mediante ejemplos.
La empresa afirma haber preentrenado sus modelos con más de medio millón de horas de interacciones físicas. Ese preentrenamiento es la fase en la que la IA acumula experiencia general antes de enfrentarse a una tarea concreta. Cuanto más amplia sea esa experiencia, menor debería ser el coste de enseñar nuevas habilidades.
GEN-1.5 no elimina todavía la necesidad de supervisión ni garantiza una ejecución fiable. Sin embargo, el physical prompting plantea una vía para que programar robots sea más parecido a enseñar a una persona: mostrar qué hacer, comprobar el resultado y corregir solo cuando sea necesario.
