Un robot con cerebro innovador que aprende tareas sin haber sido entrenado

Physical Intelligence, una startup de robótica con sede en San Francisco, presentó recientemente su modelo p0.7, que promete revolucionar el campo de la inteligencia artificial en robótica. Este nuevo modelo puede dirigir robots para realizar tareas que nunca fueron enseñadas explícitamente, lo que representa un avance significativo hacia el desarrollo de un cerebro robótico de propósito general.

El modelo p0.7 se basa en la generalización composicional, una habilidad que permite combinar habilidades aprendidas en diferentes contextos para resolver problemas que el modelo nunca había encontrado antes. Hasta ahora, el entrenamiento de robots se había basado en la memorización de tareas específicas, pero p0.7 rompe con este patrón, según los investigadores de la empresa.

El cofundador de Physical Intelligence, Sergey Levine, un profesor de la Universidad de California en Berkeley, comentó: "Una vez que cruza el umbral de hacer solo lo que se le enseñó a hacer a combinar habilidades de manera nueva, las capacidades aumentan de manera no lineal con la cantidad de datos". Este fenómeno se ha observado en otros dominios, como el lenguaje y la visión.

Una de las demostraciones más impresionantes del modelo involucró un freidor de aire que el robot nunca había visto durante su entrenamiento. El equipo de investigación encontró solo dos episodios relevantes en todo el conjunto de datos de entrenamiento, pero el modelo logró comprender cómo funcionaba el aparato y realizar una tarea de cocina con éxito tras recibir instrucciones verbales.

El modelo mostró un rendimiento notable al intentar cocinar una batata con solo unas indicaciones verbales, lo que sugiere que los robots podrían ser desplegados en nuevos entornos y mejorados en tiempo real sin necesidad de recopilar más datos o reentrenar el modelo.

A pesar de estos avances, los investigadores son cautelosos respecto a las limitaciones del modelo. Lucy Shi, investigadora de Physical Intelligence, señaló que a veces el problema no está en el robot, sino en la forma en que se le presentan las tareas. Un experimento inicial con el freidor de aire tuvo una tasa de éxito del 5%, que aumentó al 95% después de refinar cómo se explicaba la tarea al modelo.

El modelo no es aún capaz de ejecutar tareas complejas de varios pasos a partir de un solo comando. Levine aclaró: "No puedes decirle, 'Oye, hazme un poco de tostadas', pero si lo guías paso a paso, funciona bastante bien".

Los investigadores también reconocieron que no existen estándares de referencia estandarizados para la robótica, lo que dificulta la validación externa de sus afirmaciones. En cambio, compararon p0.7 con modelos anteriores especializados y encontraron que el modelo generalista igualaba su rendimiento en una variedad de trabajos complejos.

La startup ha recaudado más de $1,000 millones hasta la fecha y fue valorada recientemente en $5.6 mil millones. Parte del entusiasmo de los inversores proviene de Lachy Groom, cofundador de la empresa y reconocido inversor ángel en Silicon Valley. Actualmente, se habla de una nueva ronda de financiamiento que podría casi duplicar su valoración a $11 mil millones.