MODELOS
Generalist AI muestra robots que aprenden tareas nuevas a partir de videos y demostraciones humanas
WIRED en Español presenció en Generalist AI (Cambridge) brazos robóticos que aprenden tareas tras ver breves videos y que improvisan herramientas, como usar un recogedor o incluso un plátano. La startup entrena modelos desde cero con datos físicos a gran escala; hoy logran alrededor de un 59% de aciertos, aunque buscan fiabilidad cercana al 99%.
Qué ha ocurrido
WIRED en Español visitó Generalist AI en Cambridge y vio brazos robóticos que, tras ver videos cortos o demostraciones humanas, ejecutan tareas nuevas sin entrenamiento específico: abrir un monedero y extraer billetes, barrer un bloque a un recipiente e incluso sustituir herramientas sobre la marcha (usar un recogedor sin escoba o un plátano para empujar). La empresa asegura entrenar modelos desde cero con grandes volúmenes de datos de interacción física capturados con guantes en forma de pinzas con cámaras, enviados a operadores en México y otros lugares. Fundada por Pete Florence, Andrew Barry y Andy Zeng (con experiencia previa en Google DeepMind y Boston Dynamics), reporta que los robots completan tareas enseñadas en torno al 59% de las veces; investigadores como Danfei Xu y Karen Liu los consideran cercanos al despliegue comercial, aunque aún falta fiabilidad.
Qué significa para creadores
Para creadores, que estos robots aprendan de videos breves y de demostraciones humanas revaloriza los contenidos instructivos claros: pasos definidos, ángulos útiles y resultados visibles son señales que estos sistemas pueden imitar. A corto plazo, una tasa de acierto del 59% indica que no es una solución lista para automatizar estudios, pero sí un tema fértil de contenido: explicar la IA física, mapear qué flujos de trabajo podrían beneficiarse cuando la fiabilidad se acerque al 99% y analizar su impacto en tareas repetitivas de taller o de fabricación ligera. Seguir pruebas en entornos comerciales permitirá anticipar qué tareas rutinarias podrían delegarse primero.
Fuente y contexto
La información procede de WIRED en Español tras asistir a demostraciones en la sede de Generalist AI en Cambridge (artículo adaptado de WIRED.com). La compañía apuesta por modelos robóticos generalistas entrenados con datos físicos a gran escala y construidos desde cero, sin basarse en modelos de lenguaje abiertos. Expertos de Georgia Tech y Stanford valoran su enfoque como sobresaliente y con vistas a despliegue, mientras la propia empresa reconoce que la capacidad actual ronda el 59% de éxito y aún no es plenamente fiable.