UniWAM, de 欧拉万象 y HKUST(GZ), unifica la comprensión del mundo, la predicción y las acciones del robot

欧拉万象 y la Universidad de Ciencia y Tecnología de Hong Kong (Guangzhou, HKUST(GZ)) han publicado la versión abierta de UniWAM, un modelo para IA corpórea. Un único sistema resuelve tres tareas: comprende lo que ocurre en la escena, predice su estado futuro y genera acciones para el robot. El código y los pesos se han publicado por completo. La principal apuesta investigadora de los autores es la scaling law del entrenamiento conjunto con datos de humanos y robots (Human-Robot Co-training).

El anuncio llegó a través del medio chino Jiqizhixin y contiene pocos detalles técnicos. A continuación, lo que está confirmado y lo que habrá que comprobar en el repositorio y en el artículo.

Qué se sabe de UniWAM

UniWAM continúa la línea Ola-Sem. Los mismos equipos lanzaron antes ese modelo y, según ellos, alcanzó posiciones sólidas en los principales benchmarks mundiales. La parte disponible del anuncio no indica qué métricas ni qué puntuaciones obtuvo.

El nombre apunta a la clase de los World Action Models. En el esquema clásico, un modelo VLA recibe una imagen y una instrucción y devuelve directamente una acción. Un modelo del mundo, en cambio, aprende a predecir cómo cambiará la escena. UniWAM intenta unirlo todo en un único entrenamiento: una representación común del mundo sirve a la vez para comprender, predecir y controlar. Esta es nuestra interpretación del nombre y de la descripción, no una cita de la documentación.

Hechos clave del anuncio:

• Tareas: comprensión del mundo, predicción del futuro y generación de acciones en un solo modelo.
• Datos: entrenamiento conjunto con material de humanos y de robots.
• Pregunta de investigación: cómo cambia la calidad al aumentar el volumen y la proporción de datos humanos.
• Apertura: se han publicado el código y los pesos, no solo el artículo.
• Origen: sucesor de Ola-Sem, trabajo conjunto de una empresa y una universidad.
• No se revela en el anuncio: tamaño del modelo, arquitectura, benchmarks de UniWAM ni licencia.

Por qué importa la scaling law de los datos humanos

El principal problema de la IA corpórea es la escasez de datos. Recopilar demostraciones con un robot real es caro: hacen falta equipos, operadores y tiempo. Hay acumulados muchos más vídeos de personas que cogen, recolocan o montan objetos. Pero el humano tiene otra «mano», otra cinemática y otro ángulo de cámara. Por eso no está claro cuánto aportan esos datos ni en qué proporción conviene mezclarlos con los de robots.

Si esa mezcla sigue una ley de potencias reproducible, como ocurre con los modelos de lenguaje, cambia la forma de planificar. Un equipo puede estimar cuántas horas de grabaciones humanas equivalen a una hora de costosa teleoperación. Puede averiguar dónde dejan de compensar los datos adicionales. Y puede decidir adónde dirigir el presupuesto: a la recopilación de datos o a un modelo más grande.

Por ahora, los autores solo declaran que estudian la tendencia. En el fragmento disponible no hay curvas concretas, coeficientes ni comparaciones con datasets de robots. Esas cifras determinarán si el trabajo resulta una guía práctica o solo una demostración cuidada.

Qué comprobar antes de usarlo

Los pesos abiertos para IA corpórea son de por sí una rareza, aunque los laboratorios chinos los publican cada vez con más frecuencia. Pero entre la publicación y la utilidad para su robot hay una serie de cuestiones.

1. Licencia. Si se permite el uso comercial y si se puede hacer fine-tuning y distribuir modelos derivados.

2. Hardware. Qué plataforma se usó para el entrenamiento y la inferencia, cuánta memoria hace falta y qué latencia hay al generar acciones.

Para el control en tiempo real es un dato crítico. 3. **Tipo de robot.

** Si el funcionamiento se muestra en varias morfologías o en una sola. De ello depende que el resultado sea transferible. 4.

Benchmarks. Si se ha comparado UniWAM con modelos VLA y modelos del mundo independientes en las mismas tareas, y no solo con sus propias versiones anteriores. 5.

Reproducibilidad. Si se han publicado los datos o, al menos, la receta de su mezcla. Sin ello, la scaling law seguirá siendo una afirmación imposible de verificar.

Investigadores e ingenieros deberían empezar por el repositorio y el artículo: buscar los gráficos que relacionan la calidad con la proporción de datos humanos y ver en qué tareas se mantiene el efecto. Si las curvas son realmente estables, el enfoque puede probarse con datos propios. Si no, UniWAM sigue siendo una base abierta útil para experimentar con el entrenamiento unificado de comprensión, predicción y acción.