Unitree developing AI system to let humanoid robots improve themselves
Unitree Robotics is developing a “self-evolving” feedback loop designed to allow humanoid robots to write code, run simulations and improve their real-world performance independently, founder Wang Xingxing said, in a move that mirrors a broader push towards “self-improving” artificial intelligence. Speaking on Thursday at a physical AI conference hosted by Unitree in Hangzhou, Wang unveiled the project, dubbed “Unitree Rehearsal”, which he called the company’s most important initiative of the...
Framing
unitree robotics
self-evolving feedback
humanoid robots improve
independently founder wang
artificial intelligence speaking
▸▾ Emociones experimental
Señal de un modelo entrenado en conversaciones de Reddit; puede no reflejar el registro periodístico.
La carrera entre China y EEUU por los humanoides entra en otra fase: Unitree quiere que sus robots aprendan a mejorarse solos
Unitree Robotics quiere que la IA haga gran parte del trabajo que sus ingenieros hacen hoy en día, ya sea buscar investigaciones, escribir código de control, probarlo y aprender de los resultados. El fundador de la empresa, Wang Xingxing, presentó la idea como un sistema de desarrollo de robots "autoevolutivo" en la conferencia de IA física de la compañía en Hangzhou este jueves, calificándolo como una prioridad para la empresa. Por qué importa. Aunque no lo parezca, enseñar una nueva habilidad a un robot humanoide es lento. Y es que Según Wang, los ingenieros tienen que recopilar datos, entrenar modelos y ajustar el comportamiento, y una habilidad que funciona en el laboratorio puede necesitar ser reelaborada en un nuevo entorno. Unitree quiere automatizar ese ciclo para que los robots puedan adquirir nuevas habilidades más rápido y a mayor escala. Wang contaba al South China Morning Post que, a medida que los modelos de IA mejoren, espera que asuman una mayor parte de la planificación y la iteración, reduciendo la necesidad de intervención humana. Cómo funciona. Tal y como lo comparte Wang, el sistema funciona como un circuito cerrado en el que los agentes de IA buscan artículos de investigación para después escribir el código de control para los robots. Después se prueba ese código y se entrena en simulación. Una vez realizadas las pruebas, los mejores resultados se verifican para poder usarse en robots reales. Y después, un sistema de evaluación independiente, con aportación humana cuando es necesario, califica el resultado para pasarlo a una siguiente ronda. El medio cuenta que el proyecto se llama "Unitree Rehearsal". Ya en agosto, durante la Conferencia Mundial de Robots en Pekín, Wang mencionó que mejorar drásticamente la eficiencia del desarrollo, e incluso permitir que los robots evolucionen por sí mismos, "vale mucho la pena perseguirlo". En Xataka Cada dato que conocemos sobre el dominio de mercado de China de los robots humanoides es más intimidante La apuesta detrás de esto. Según comparte el medio 36Kr, Wang asegura que un modelo de IA base más fuerte hace que el bucle sea más efectivo. Más robots sobre el terreno producirían más datos del mundo real, lo que mejoraría aún más los modelos y ayudaría a los robots a acumular habilidades con el tiempo. Vinculó esto a su opinión de que los modelos de IA de propósito general están avanzando rápidamente. Unitree ha estado probando GPT-6 de OpenAI en sus robots, y Wang cuenta que, en experimentos internos, los robots ya realizaban tareas como pintar y jugar al Go (un juego de mesa de estrategia muy popular en China) sin entrenamiento específico. Entre líneas. Unitree está entrando en una nueva fase, y eso se nota. La compañía ha cosntruido su reputación sobre el hardware como articulaciones, sistemas de energía y control de movimiento, y sus robots son más conocidos por las demostraciones de baile, carrera y boxeo. Pero a medida que la industria pasa de hacer que los robots se muevan a hacerlos útiles, el software y el "cerebro" importan más. Wang defendía las acrobacias de sus robots en el mismo evento, argumentando que si un robot no puede caminar o correr bien, no se puede esperar que haga trabajo práctico. Todavía hay límites. Lo que Unitree ha revelado es más una prueba de concepto que otra cosa, pues la eficiencia de este nuevo método de entrenamiento, la transferencia de habilidades y el éxito que consigan con ello en el mundo real aún tiene que probarse. Además, según señala SCMP, en el vídeo donde se mostraban los robots usando GPT-6 para mapear rutas y planificar movimientos no se especificaba con qué consistencia podían repetir eso en entornos desconocidos. Luego está la parte física, pues Wang reconocía al medio que los modelos de IA gestionaban bien la planificación y la navegación, pero aún cometen errores cuando se trata de manipular objetos en la práctica. Que agarre un objeto es sencillo; que se ensamblen las piezas de precisión que se requiere mientra…
Framing
robotics
mejoraría
china
modelos de ia
autoevolutivo
▸▾ Emociones experimental
Señal de un modelo entrenado en conversaciones de Reddit; puede no reflejar el registro periodístico.
Se muestran titular y resumen tal como los publica cada medio en su feed, con enlace al original. Las etiquetas de sesgo son declaradas por BabelBit y figuran como "pendiente" hasta su clasificación.