La inteligencia artificial generativa está provocando un cambio de paradigma en la forma de entrenar a los robots. Ahora está claro cómo podríamos construir por fin el tipo de robots realmente capaces que durante décadas han sido materia de ciencia ficción.
Los investigadores en robótica no son ajenos a la inteligencia artificial (IA), ya que durante años ha ayudado a los robots a detectar objetos en su camino, por ejemplo. Pero hace unos años, los especialistas en robótica empezaron a maravillarse con los avances en los grandes modelos de lenguaje (LLM, por sus siglas en inglés).
Los creadores de esos modelos podían alimentarlos con cantidades ingentes de texto -libros, poemas, manuales- y luego perfeccionarlos para generar textos basados en instrucciones. La idea de hacer lo mismo con la robótica era tentadora, pero increíblemente complicada. Una cosa es utilizar la IA para crear frases en una pantalla y otra muy distinta entrenar a un robot físico para que se mueva y haga cosas útiles.
Los expertos en robótica han hecho grandes avances en este campo. Uno de ellos ha sido averiguar cómo combinar distintos tipos de datos y hacerlos útiles y legibles para un robot. Tomemos el ejemplo de lavar los platos. Se pueden recoger datos de alguien que lava los platos con sensores. Luego se pueden combinar con los datos de teleoperación de un humano que realiza la misma tarea con brazos robóticos. Además, se pueden buscar en Inte et imágenes y vídeos de personas fregando platos.
Al fusionar estas fuentes de datos en un nuevo modelo de IA, es posible entrenar un robot que, aunque no sea perfecto, tiene una enorme ventaja sobre los entrenados con métodos más manuales. Al ver tantas formas de realizar una misma tarea, a los modelos de IA les resulta más fácil improvisar y suponer cuál debería ser el siguiente movimiento de un robot en el mundo real.
Es un avance que está llamado a redefinir la forma en que aprenden los robots. Los robots que trabajan en espacios comerciales como almacenes ya utilizan estos métodos avanzados de entrenamiento, y las lecciones que aprendamos de estos experimentos podrían sentar las bases para robots inteligentes que ayuden en casa.
| MIT Technology Review 2025