Artículos Relacionados con VLA

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

Xingdong Jiyuan recauda 25.000 millones en dos meses, entrando el capital estatal

La empresa china de robótica corporal Starwise Century (星动纪元) ha completado recientemente una ronda de financiación de 10.000 millones de RMB, liderada por fondos estatales como China Reform Fund Management Corp. Esto eleva su financiación total a 25.000 millones de RMB en dos meses. Fundada en 2023 como una spin-off de la Universidad Tsinghua, la empresa se centra en la inteligencia artificial nativa, desarrollando capacidades integrales propias desde datos y modelos de IA hasta control, manos diestras y el robot completo. Starwise Century destaca por su investigación pionera en modelos mundiales para robótica y por su estrategia de "fortalecer el cerebro con las manos". Sus manos diestras totalmente accionadas directamente, como la XHAND 1, no solo son componentes clave sino también plataformas para recopilar datos de alta calidad del mundo físico, utilizados para entrenar sus modelos de IA como ERA-42. Esta mano es utilizada por múltiples empresas y universidades líderes a nivel mundial. La compañía ha logrado una implementación comercial significativa, especialmente en logística, trabajando con socios como SF Express y China Post en centros de clasificación donde los robots operan 24/7. También está activa en fabricación de alta gama (con Samsung, Lenovo) y servicios comerciales. Con un conjunto de datos extenso y único procedente de estas operaciones reales, Starwise Century busca establecer una ventaja competitiva sostenible en el campo de la robótica corporal, donde en 2026 se espera que la capacidad de cerrar el ciclo comercial sea un factor clave de diferenciación.

marsbitHace 13 hora(s)

Xingdong Jiyuan recauda 25.000 millones en dos meses, entrando el capital estatal

marsbitHace 13 hora(s)

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

En la actualidad, el mercado de inversión está obsesionado con los "Modelos del Mundo". Sin embargo, Pete Florence, ex científico de DeepMind y co-creador de la arquitectura Vision-Language-Action (VLA), fundó Generalist AI y rechaza esta etiqueta. Para él, el objetivo concreto es más importante: crear robots que realicen cualquier tarea con alta tasa de éxito sin datos específicos. Recientemente, Generalist AI recaudó 400 millones de dólares (unos 2.700 millones de RMB) en una ronda de financiación, alcanzando una valoración de 2.000 millones de dólares. Inversores incluyen NVentures de Nvidia, Bezos Expeditions, NFDG, y figuras como el cofundador de Xiaomi Lin Bin, el fundador de Zoom Eric Yuan, y la renombrada científica Fei-Fei Li. Florence, influenciado por su mentor en el MIT Russ Tedrake, prioriza comprender el mundo físico. Su enfoque comienza estableciendo una meta clara, luego diseña la ruta técnica. Tras dejar Google, lanzó Generalist AI en 2025. La compañía presentó su primer modelo de IA incorporada, GEN-0, en noviembre de 2025, demostrando que las leyes de escalado de los LLMs también se aplican al movimiento físico. En abril de 2026, presentaron GEN-1, entrenado con más de 50.000 horas de datos de interacción física recogidos por un dispositivo portátil. GEN-1 logra un 99% de éxito en tareas como plegar cajas y empaquetar teléfonos, siendo tres veces más rápido que GEN-0. Este avance acerca el modelo a un punto de inflexión similar al GPT-3, mostrando un rendimiento apto para despliegues comerciales en ciertas tareas. La inversión récord respalda la visión de Florence: robots universales que sean lo suficientemente expertos en tareas reales como para ser útiles, avanzando hacia la reducción del coste marginal del trabajo físico a cero. La etiqueta "Modelo del Mundo" queda así en segundo plano frente a los resultados tangibles.

marsbit06/20 06:09

Acaba de recaudar 2.700 millones, y Li Feifei también invirtió

marsbit06/20 06:09

Por primera vez, un VLA puramente preentrenado con videos humanos logra una manipulación hábil, y un fino ajuste con pocos datos permite el despliegue exitoso

La investigación "Scalable Vision-Language-Action Model Pretraining for Robotic Manipulation with Real-Life Human Activity Videos", presentada por Microsoft Asia Research (MSRA) y la Universidad de Tsinghua, introduce el marco **VITRA**. Este sistema convierte automáticamente grandes volúmenes de videos de actividades humanas sin etiquetar en datos estructurados para entrenar modelos **Visión-Lenguaje-Acción (VLA)** aplicables a robots. El proceso clave implica: 1) extraer trayectorias precisas de movimiento 3D de las manos desde video monocular, 2) segmentar los videos en acciones atómicas basándose en mínimos de velocidad, y 3) generar instrucciones lingüísticas precisas utilizando modelos de lenguaje como GPT-4, a las que se superponen las trayectorias 3D. Tras el preentrenamiento en un extenso conjunto de datos (1 millón de clips, 26 millones de fotogramas), el modelo VLA (que combina un modelo visual-lingüístico con un experto en acción basado en difusión) muestra una fuerte capacidad de **predicción de acciones en entornos nuevos y no vistos** (zero-shot). Para el despliegue en robots reales, el modelo se ajusta con una pequeña cantidad de datos de demostración robótica (~1.2K). Este enfoque logra una **alta tasa de éxito** en tareas de manipulación diestra (como agarrar, colocar, verter o barrer) y demuestra una **excelente capacidad de generalización** a objetos y fondos no vistos, superando significativamente a modelos entrenados únicamente con datos robóticos de laboratorio. El hardware, específicamente la mano robótica diestra **星动XHAND1** (con su modelo URDF de alta precisión y arquitectura de accionamiento directo), es fundamental para lograr una **alineación efectiva** del espacio de acción entre la mano humana y la robótica, permitiendo una implementación exitosa. Además, el estudio confirma una **ley de escalado**: un mayor volumen de datos de preentrenamiento mejora continuamente el rendimiento. Este trabajo allana el camino para una manipulación robótica más generalizada utilizando videos humanos no estructurados.

marsbit06/08 08:57

Por primera vez, un VLA puramente preentrenado con videos humanos logra una manipulación hábil, y un fino ajuste con pocos datos permite el despliegue exitoso

marsbit06/08 08:57

Del Código a la Cognición: Una Guía de Diez Mil Palabras sobre la Evolución del Cerebro Robótico

Desde el código clásico hasta los modelos que simulan la realidad: así ha evolucionado la inteligencia de los robots. Durante décadas, dependieron de software programado manualmente (percepción, planificación, control) para tareas específicas pero rígidas. La llegada del *deep learning* y el aprendizaje por refuerzo mejoró la percepción y el control, aunque con escasa capacidad de generalización. La aparición de los grandes modelos de lenguaje (LLM) marcó un punto de inflexión, actuando como "compiladores de lenguaje natural" que traducen órdenes en planes de acción ejecutables por sistemas como ROS. Sin embargo, el avance definitivo llegó con los **Modelos Visión-Lenguaje-Acción (VLA)**, que fusionan la percepción visual, la comprensión del lenguaje y la generación de movimientos en una sola red neuronal, permitiendo una adaptación mucho mayor. Los robots más avanzados actualmente utilizan una **arquitectura de doble cerebro**: un sistema lento (S2) para el razonamiento de alto nivel y uno rápido (S1) para el control motor reactivo, a veces con un tercer nivel reflejo (S0) para el equilibrio. Todo el procesamiento crítico se ejecuta localmente en el robot por motivos de seguridad y latencia. El siguiente gran salto son los **Modelos del Mundo**. Estas redes no predicen la siguiente acción, sino las consecuencias físicas de las acciones posibles, permitiendo al robot "imaginar" y evaluar futuros antes de actuar. Esto mejora drásticamente la recuperación ante errores, la planificación a largo plazo y la generalización. Modelos como NVIDIA Cosmos, DeepMind Genie y Meta V-JEPA exploran diferentes enfoques arquitectónicos para lograrlo. Aunque los precios del hardware caen y los modelos open-source aceleran el desarrollo, desafíos como la eficiencia en el aprendizaje, la generalización entre robots físicos y el razonamiento de sentido común persisten. La inteligencia robótica está en plena evolución, transitando desde un código predecible hacia sistemas capaces de aprender y simular el mundo que los rodea.

marsbit06/07 13:06

Del Código a la Cognición: Una Guía de Diez Mil Palabras sobre la Evolución del Cerebro Robótico

marsbit06/07 13:06

a16z Artículo de 10.000 palabras: La próxima frontera de la IA no está en el lenguaje, sino en el mundo físico: el triple rueda motriz de la robótica, la ciencia autónoma y las interfaces cerebro-computadora

Los sistemas de IA están avanzando más allá del lenguaje y el código hacia el mundo físico, con tres áreas clave liderando esta transición: robótica general, ciencia autónoma e interfaces humano-máquina novedosas (como interfaces cerebro-computadora). Estas áreas comparten cinco capacidades fundamentales: representaciones aprendidas de la dinámica física, arquitecturas para la acción encarnada, simulación y datos sintéticos, expansión de canales sensoriales y sistemas de agentes en bucle cerrado. Juntas, forman un "volante de inercia estructural" donde se refuerzan mutuamente: la robótica permite laboratorios autónomos, que a su vez generan datos para mejorar los modelos físicos, y las nuevas interfaces proporcionan datos de interacción humana que mejoran la robótica y otras aplicaciones. Esta convergencia está creando una nueva frontera para la IA, con el potencial de generar avances significativos y capacidades emergentes al interactuar con el mundo real.

marsbit04/16 07:17

a16z Artículo de 10.000 palabras: La próxima frontera de la IA no está en el lenguaje, sino en el mundo físico: el triple rueda motriz de la robótica, la ciencia autónoma y las interfaces cerebro-computadora