En Resumen
- Un equipo de investigadores chinos presentó HumanoidExo, un traje liviano que registra movimientos humanos y permitió entrenar un robot Unitree G1 con solo cinco demostraciones.
- El robot alcanzó una tasa de éxito del 80% en tareas de manipulación y logró aprender a caminar sin que sus datos de entrenamiento incluyeran ejemplos directos de locomoción.
- Los investigadores señalaron que el sistema compite con métodos que requieren 200 demostraciones, ofreciendo un camino más accesible para entrenar robots humanoides.
Un equipo de investigación de la Universidad Nacional de Tecnología de Defensa de China y el fabricante de electrodomésticos Midea Group tiene como objetivo resolver uno de los problemas más desafiantes de la robótica: enseñar a los robots humanoides a moverse como humanos sin depender de miles de demostraciones costosas.
Para abordar estos problemas, el equipo presentó HumanoidExo en un artículo de investigación publicado la semana pasada. El traje liviano y portátil registra el movimiento de todo el cuerpo de una persona (brazos, torso y piernas) y lo convierte en datos estructurados para el aprendizaje del robot.
En las pruebas, un robot humanoide Unitree G1 entrenado con los datos aprendió a realizar tareas de manipulación complejas e incluso a caminar después de estar expuesto solo a algunos ejemplos.
"Un cuello de botella importante en el aprendizaje de políticas humanoides es la adquisición de conjuntos de datos diversos y a gran escala, ya que recopilar datos confiables del mundo real sigue siendo difícil y con un costo prohibitivo", escribieron los investigadores.
Los robots humanoides a menudo no logran generalizar el movimiento humano porque sus datos de entrenamiento provienen de video o simulación. HumanoidExo aborda esa brecha al capturar el movimiento real del espacio articular.
El traje mapea siete articulaciones del brazo humano directamente a la configuración de un robot, usa sensores inerciales en las muñecas y agrega una unidad LiDAR en la espalda para rastrear el torso y la altura del usuario.
Ese flujo de movimiento se alimenta en un sistema de IA de doble capa llamado HumanoidExo-VLA, un modelo Vision-Language-Action que interpreta la tarea y un controlador de aprendizaje por refuerzo que mantiene el equilibrio durante el movimiento.
El Unitree G1 fue entrenado con solo cinco demostraciones teleoperadas y 195 sesiones grabadas con exoesqueleto, señalaron los investigadores. Los datos híbridos aumentaron el éxito en una tarea de recoger y colocar del 5% a alrededor del 80%, casi igualando una línea base de 200 demostraciones.
Cuando el exoesqueleto capturó a una persona caminando hacia una mesa, el robot aprendió a caminar, aunque sus datos de entrenamiento directos no contenían ninguna caminata.
Los investigadores también afirman que el robot logró una tasa de éxito del 100% en la parte de locomoción y pudo continuar manipulando objetos sin perder el equilibrio.
En una prueba, los investigadores empujaron físicamente al robot lejos de su área de trabajo. Se recuperó caminando de regreso a su posición y completando la tarea.
El estudio llega en medio de una carrera global en la investigación de robots humanoides.
Project GR00T de NVIDIA, Gemini Robotics de Google DeepMind y startups como Figure AI están compitiendo para escalar el entrenamiento de robots.
Mientras tanto, el fabricante de exoesqueletos con sede en París Wandercraft, que mostró su traje Atalante X en los Juegos Olímpicos de Verano 2024, también ha pivoteado hacia los robots humanoides, lanzando su nuevo robot humanoide, Calvin 40, en junio.
El nuevo robot se basa en el diseño de exoesqueleto más fácil de la empresa.
"Estamos viendo robots humanoides en todas partes: en Estados Unidos, en China, de Tesla, de Figure AI", dijo previamente a Decrypt el CEO de Wandercraft, Matthieu Masselin.
"Para nosotros, es la misma tecnología que hemos estado desarrollando durante los últimos 10 años", agregó. "Una vez que comenzamos a recibir más solicitudes y la gente nos llevó a ese mercado, tenía sentido desarrollar, junto a nuestro exoesqueleto, un robot humanoide libre y autónomo que se base en la misma tecnología".
Sin embargo, el enfoque de HumanoidExo sugirió un camino más accesible para entrenar robots humanoides, uno en el que enseñar a un robot a caminar pronto podría significar simplemente ponerse un traje y salir a caminar.