En robótica, conseguir que una máquina haga cosas simples para nosotros —coger una taza, meterla en una caja, apartar un objeto sin tirarlo— suele ser una batalla larga. No por falta de potencia de cálculo, sino por el método tradicional de aprendizaje: para que un robot manipule con soltura en entornos reales, se necesitan montañas de demostraciones específicas de ese robot, grabadas con sensores, teleoperación o ensayos repetidos. Es caro, lento y, sobre todo, poco escalable.
Con DreamDojo, un sistema presentado por un equipo liderado por Nvidia junto a colaboradores de UC Berkeley, Stanford y la Universidad de Texas en Austin, la idea cambia de eje: antes de “tocar” nada, el robot aprende observando. La investigación describe un modelo del mundo para robots entrenado con una cantidad poco habitual de vídeo humano en primera persona, buscando que el sistema adquiera una intuición física general y luego la adapte a un cuerpo robótico concreto. La promesa, si se sostiene fuera del laboratorio, es recortar el esfuerzo necesario para que un robot pase de hacer una demo a comportarse con más soltura en escenarios reales. Continúa leyendo «DreamDojo de Nvidia: el “modelo del mundo” que enseña a los robots mirando 44.000 horas de vídeo humano»
