Natura-1 enseña destreza manual a los robots con un millón de horas de experiencia humana

El modelo Natura-1 se ha entrenado con aproximadamente un millón de horas de experiencia humana. El resultado declarado es generalización zero-shot y manipulación diestra, es decir, la capacidad de resolver tareas que el sistema no vio durante el entrenamiento. Para la demostración se eligió una tarea en la que tropiezan incluso ingenieros de robótica con experiencia: hacer wontons.

El artículo del medio chino Jiqizhixin parte de una observación fácil de comprobar en la cocina. Una mano sostiene y sujeta una lámina fina de masa, y la otra coloca el relleno. Después la masa se dobla por la mitad, se pellizca el borde y se sella la unión. Durante todo el proceso, la palma carga con una pieza que puede perder la forma en cualquier momento, los dedos notan la elasticidad del relleno y las manos se la pasan en el instante preciso. Una persona lo hace sin pensar. Para un robot, cada uno de esos elementos se convierte en un problema sin resolver.

Por qué el wonton es un buen banco de pruebas

Esta tarea reúne tres dificultades a la vez. La primera: el objeto se deforma y su forma cambia con cada contacto. Los modelos sencillos de cuerpos rígidos casi no ayudan aquí. La segunda: hace falta retroalimentación a través del contacto. La fuerza de la presión decide si la unión se cierra o si la masa se rompe. La tercera: intervienen dos manos, y un error en el momento del traspaso arruina toda la secuencia.

Si un sistema logra completar una cadena así, es un resultado más serio que otro vídeo de un robot moviendo cubos. Pero una sola demostración no prueba una capacidad amplia, de ahí que lo central en el anuncio de Natura-1 sea la palabra «zero-shot». Es justo lo que exige verificarse en tareas distintas de la que se mostró.

La apuesta por la experiencia humana

Un millón de horas es una escala que los datos robóticos propios suelen no alcanzar. Recopilar demostraciones mediante teleoperación es caro: hacen falta un operador, equipo y tiempo. En ese sentido, la experiencia humana es más barata y más variada, porque cada día las personas realizan cientos de manipulaciones con objetos de todo tipo. La lógica de esta tendencia en el sector es clara: si se entrena un modelo con acciones humanas, obtiene un amplio vocabulario de movimientos y en el robot solo hay que adaptarlo.

El fragmento disponible no explica cómo trasladan exactamente los autores de Natura-1 los datos humanos a una mano mecánica. De ello depende mucho. La brecha entre la mano humana y la mano robótica es uno de los principales problemas prácticos de todo este campo.

Lo que se sabe hasta ahora

• Nombre: Natura-1.
• Datos de entrenamiento: alrededor de 1 millón de horas de experiencia humana.
• Capacidades declaradas: generalización zero-shot y manipulación diestra.
• Tarea de demostración: hacer wontons con dos manos.
• No se revela en el texto disponible: el desarrollador, el tamaño del modelo, el tipo de mano o de robot, la tasa de intentos exitosos ni la comparación con otros enfoques.

Qué vigilar a partir de ahora

Para los equipos que construyen robots o los compran, conviene plantear algunas preguntas muy concretas. ¿Cuál es la tasa de éxito en tareas ajenas a la demostración? ¿Cuánto tiempo lleva adaptar el modelo a un equipo nuevo? ¿Qué ocurre cuando la masa es distinta, el relleno es mayor o la mesa resbala? ¿Y en qué se diferencian las manos del robot de las de las personas con cuya experiencia se entrenó el modelo?

Si las respuestas resultan convincentes, saldrá ganando la estrategia en sí: en lugar de recopilar demostraciones caras para cada nueva habilidad, las empresas podrán apoyarse en grandes volúmenes de datos humanos. Por ahora es solo una propuesta con una demostración vistosa y un gran número de horas, pero sin cifras verificables. Conviene esperar a tenerlas antes de sacar conclusiones.