Artículos Relacionados con Autónomo

El Centro de Noticias de HTX ofrece los artículos más recientes y un análisis profundo sobre "Autónomo", cubriendo tendencias del mercado, actualizaciones de proyectos, desarrollos tecnológicos y políticas regulatorias en la industria de cripto.

El equipo de NVIDIA permite a un agente de programación hacerse cargo de experimentos con robots reales, logrando una tasa de éxito del 99%

La investigación en automatización ha dado un paso significativo al salir del entorno simulado y adentrarse en el mundo físico real. El equipo de NVIDIA GEAR, dirigido por Jim Fan, presentó el proyecto ENPIRE, un marco que permite por primera vez que agentes de programación autónomos realicen investigación en hardware robótico real. El sistema coloca ocho agentes Codex en una flota de robots con recursos de GPU y un presupuesto de tokens, asignándoles el objetivo de resolver tareas de forma eficiente y segura. Estos agentes operan con mínima intervención humana, manejando de forma autónoma un ciclo cerrado que incluye el reinicio automático de escenarios, la búsqueda en literatura, la implementación y entrenamiento de estrategias, la verificación y el análisis de registros para iterar continuamente. Han logrado una tasa de éxito del 99% en tareas de manipulación diestra como atar bridas, organizar clavos en una caja o instalar GPUs. Un hallazgo clave es que para muchas tareas robóticas, restablecer el entorno es más fácil que completar la tarea principal. Por ello, ENPIRE se centra primero en que los agentes creen procedimientos automáticos de reinicio. El sistema consta de cuatro módulos principales que forman el bucle de retroalimentación física: Entorno (EN), Mejora de Políticas (PI), Evaluación (Rollout, R) y Evolución (E). El proyecto también observó una "ley de escala física": aumentar el número de robots en paralelo (por ejemplo, a 8) acelera significativamente la resolución de tareas. Se introdujeron nuevas métricas como la Utilización Media del Robot (MRU) y la Utilización Media de Tokens (MTU) para medir la eficiencia. Actualmente, algunos sistemas pueden iterar durante toda la noche sin supervisión. El objetivo final es lograr una operación completamente autónoma. El proyecto ENPIRE será de código abierto, permitiendo a los desarrolladores replicar sistemas similares.

marsbit06/18 00:37

El equipo de NVIDIA permite a un agente de programación hacerse cargo de experimentos con robots reales, logrando una tasa de éxito del 99%

marsbit06/18 00:37

Xpeng y Nio compiten por potencia de cálculo, Li Auto cambia de arquitectura

En un evento del 15 de junio, Li Auto presentó su chip de conducción autónoma autodesarrollado Mahe M100 para el nuevo L9 Livis, enfatizando la innovación en arquitectura por sobre la potencia bruta de cálculo (TOPS). Mientras que competidores como NIO, Xpeng y Huawei destacan sus cifras de TOPS, Li Auto apuesta por un cambio fundamental: una arquitectura de flujo de datos dinámico que optimiza el procesamiento de modelos de IA, reduciendo la latencia y mejorando la eficiencia. El chip Mahe M100, cuyo diseño fue presentado en la conferencia ISCA 2026, promete hasta tres veces más potencia efectiva que el Nvidia Thor U en cargas de trabajo específicas de Li Auto, gracias a su co-diseño con el modelo de IA VLA2.1. Sin embargo, esta ventaja está ligada a sus algoritmos propietarios, lo que implica un alto costo de cambio si se modifica la ruta tecnológica. Li Auto también introdujo su visión de "vehículo de inteligencia encarnada", definiendo el coche como un sistema integral que combina transporte, asistencia y capacidad de aprendizaje. La compañía se comprometió a equiparar su sistema de conducción autónoma, Mahe VLA, con el Tesla FSD V14 en el cuarto trimestre, con actualizaciones mensuales concretas que mejorarán capacidades como el estacionamiento autónomo y los tiempos de reacción. A pesar de los desafíos financieros, con un margen decreciente en 2025 y un objetivo de ventas de 550,000 unidades para 2026, Li Auto mantiene una fuerte inversión en I+D, enfocándose en la integración vertical de hardware y software. Los próximos lanzamientos de productos y actualizaciones de software en el tercer trimestre serán cruciales para validar su estrategia en el competitivo mercado de vehículos eléctricos.

marsbit06/16 04:56

Xpeng y Nio compiten por potencia de cálculo, Li Auto cambia de arquitectura

marsbit06/16 04:56

¿Cómo logra ERC-8257 que los AI Agent llamen a la API, compren permisos y completen pagos por sí mismos?

Autor: ShirleyLi, investigadora de Web3Caff Research. El estándar ERC-8257, propuesto por OpenSea, busca crear un directorio descentralizado y sin permisos para que los agentes de IA descubran y utilicen herramientas (como APIs) de forma autónoma. Actualmente, los agentes enfrentan dificultades para localizar, acceder y pagar por servicios dispersos en diferentes plataformas. ERC-8257 propone un registro en cadena (blockchain) donde los desarrolladores publican información básica de sus herramientas, mientras que los detalles (descripción, API, precios, reglas de acceso) se almacenan fuera de la cadena en un archivo JSON. Un hash en la cadena garantiza la integridad de esos datos. Un aspecto clave es que los permisos de acceso se definen mediante contratos inteligentes personalizables, que pueden requerir, por ejemplo, la posesión de un NFT, una suscripción activa o tokens específicos. Si un agente no cumple los requisitos, puede intentar adquirirlos (comprando un NFT, suscribiéndose) antes de intentar nuevamente. Para el pago, ERC-8257 no define su propio sistema, sino que permite integrar protocolos existentes como x402 o pagos con ERC-20. El flujo general implica: registro de la herramienta por el desarrollador, descubrimiento por el agente, verificación de permisos, posible adquisición de credenciales, pago y ejecución, todo sin intervención humana. ERC-8257 complementa a x402 (enfocado en pagos) al abordar el descubrimiento y la gestión de permisos. Sin embargo, persisten desafíos como la complejidad de integrar reglas de acceso diversas, riesgos de especulación si los permisos son activos comercializables, y la falta de garantías sobre la fiabilidad, seguridad o disponibilidad continua de las herramientas externas.

marsbit05/29 07:27

¿Cómo logra ERC-8257 que los AI Agent llamen a la API, compren permisos y completen pagos por sí mismos?

marsbit05/29 07:27

Los Agentes de IA Revolucionan por Completo los Videojuegos Web3: Desde la Controversia de los Bots en Rugpull Bakery hasta el Nuevo Paradigma de Agentes Inteligentes en 2026

El debate sobre los bots en el juego competitivo Rugpull Bakery (Abstract) desencadenó una reflexión crucial: en lugar de prohibir la automatización, el equipo optó por integrar oficialmente a los Agentes de IA como parte central del juego en su tercera temporada, publicando guías como skill.md y agent.json. Este episodio marca el inicio de la era del "Agentic Gaming" en Web3, donde los Agentes de IA evolucionan de meras herramientas a entidades autónomas con estrategia, memoria y soberanía económica. En 2026, los agentes se implementan en diversos modos: como **competidores autónomos y entidades económicas** (ej. TEN Protocol, AI Arena, Satoshi Strike Force), donde actúan como participantes independientes; como **infraestructura modular y entorno programable** (ej. EVE Frontier en Sui, con su sistema Smart Assemblies y el estándar ERC-8183), que permite que los componentes del juego sean entidades lógicas activas; y como **compañeros híbridos y entornos de adaptación dinámica** (ej. Parallel Colony, Illuvium), fomentando una relación simbiótica entre el jugador y la IA. El avance es impulsado por infraestructuras como la "Agentic L1" Somnia. La conclusión es clara: la Web3 gaming está en un punto de inflexión "posthumano", donde la transparencia y programabilidad de blockchain permiten regular y potenciar a los agentes, transformando los juegos de un modelo de "trabajo manual" a uno de "inteligencia emergente algorítmica".

marsbit05/26 07:23

Los Agentes de IA Revolucionan por Completo los Videojuegos Web3: Desde la Controversia de los Bots en Rugpull Bakery hasta el Nuevo Paradigma de Agentes Inteligentes en 2026

marsbit05/26 07:23

Agents y Mercados de Capital: ¿Cómo Obtendrán Financiamiento los Agentes Autónomos?

En la próxima década, surgirá un mercado de capitales dedicado a las empresas de Agentes de IA: entidades de software con personalidad jurídica que realizan tareas rutinarias (marketing, logística, investigación legal) y generan ingresos reales. Su ventaja económica es abrumadora, con costos hasta un 90% inferiores a las empresas humanas. Ejemplos como Sierra (atención al cliente) y Harvey (investigación legal), con valuaciones multimillonarias, demuestran la demanda. El marco legal ya existe en estados como Wyoming (EE.UU.), permitiendo LLCs gestionadas por algoritmos. La capitalización se desarrollará en capas: desde capital de riesgo inicial, hasta financiamiento programático de capital de trabajo, financiamiento basado en ingresos (RBF) y finalmente, fondos de cartera ("slate financing") que agrupen múltiples Agentes para distribuir riesgos y atraer capital institucional. La tokenización actuará como una capa de liquidación, facilitando la negociación secundaria. La diligencia debida se centrará en la solidez del negocio, la durabilidad del modelo y la estructura de capital codificada. El cuello de botella no es la oferta o demanda de capital, sino la creación de infraestructura financiera estándar: metodologías de calificación, contratos y datos auditables. Al liberar las restricciones legales y financieras, este mercado transformará a los Agentes de software interesante en un sector económico plenamente financiable, dirigiendo el capital hacia donde genere los mayores retornos ajustados al riesgo.

marsbit05/19 05:56

Agents y Mercados de Capital: ¿Cómo Obtendrán Financiamiento los Agentes Autónomos?

marsbit05/19 05:56

En la era de la Auto Investigación, 47 tareas sin respuestas estándar se convierten en la lista obligatoria de evaluación de capacidades de los Agent

Si se coloca a una IA en un entorno de ingeniería sin respuestas estándar, ¿podría sobrevivir? El nuevo benchmark Frontier-Eng Bench, lanzado por Einsia AI, desafía a los agentes de IA con 47 tareas multidisciplinarias y complejas, como la estabilidad de robots submarinos y la optimización de baterías, que no tienen una solución única, sino que requieren una mejora continua y adaptativa. A diferencia de los modelos anteriores que simplemente "buscaban en la memoria", este enfoque pone a la IA en un ciclo cerrado de ingeniería: proponer soluciones, ejecutar simulaciones, recibir retroalimentación, ajustar parámetros y repetir. El objetivo ya no es dar una respuesta correcta, sino medir la capacidad de la IA para mejorar de manera iterativa en entornos con múltiples restricciones, como equilibrar el rendimiento, la seguridad y la eficiencia. Los resultados muestran que, aunque modelos como GPT-5.4 demuestran un rendimiento sólido, aún queda un largo camino para dominar estas tareas. El estudio revela dos hallazgos clave: las mejoras siguen una ley de potencia, volviéndose más difíciles y pequeñas con cada iteración, y la profundidad de la optimización es más crucial que la exploración superficial en paralelo. Este avance sugiere el amanecer de una nueva era de "Auto Research", donde la IA podría actuar como un ingeniero autónomo, trabajando las 24 horas para refinar diseños y procesos basándose en la retroalimentación continua, mientras los humanos establecen los objetivos generales.

marsbit05/13 07:36

En la era de la Auto Investigación, 47 tareas sin respuestas estándar se convierten en la lista obligatoria de evaluación de capacidades de los Agent

marsbit05/13 07:36

活动图片