Harvard, Berkeley y NVIDIA buscan una Scaling Law para robots: +37,4 puntos en cinco benchmarks

Un equipo de investigadores de Harvard, UC Berkeley y NVIDIA ha publicado un trabajo en el que busca leyes de escalado para robots. Según el medio chino Jiqizhixin, en cinco benchmarks el nuevo enfoque supera en una media de 37,4 puntos a sólidas soluciones de referencia. Los medios le han colgado enseguida la etiqueta de «momento o1» de la robótica. La metáfora resulta clara para quien haya seguido los modelos de lenguaje: tras la etapa de «más datos y más parámetros», los LLM encontraron un nuevo eje de crecimiento. Parece que los robots se acercan a un umbral similar.

Por qué el escalado convencional se queda corto para los robots

En los últimos años, la embodied AI ha seguido un guion conocido. Se recopilaban cada vez más datos de teleoperación, se construían modelos cada vez más grandes, y los VLA (vision-language-action) junto con los WAM (world action models) han ido elevando con regularidad el techo de capacidades en los laboratorios. Pero en el despliegue real el obstáculo es otro. En cuanto cambia la plataforma o el entorno de trabajo, surge la pregunta: ¿cuántas personas, datos y horas de GPU habrá que volver a invertir? Miles de horas de demostraciones recopiladas para un robot se trasladan mal a otro.

Es la parte más cara de la robótica. En una demo el modelo impresiona, pero en un almacén o en una fábrica hay que ajustarlo durante meses. Por eso un trabajo que aspira a ofrecer una nueva forma de escalar, y no solo una mejora más en un benchmark, toca uno de los puntos débiles del sector.

Qué se sabe del resultado

Datos clave que confirma la publicación:

• autores: Harvard, UC Berkeley y NVIDIA, es decir, la academia más un fabricante de hardware para robótica;
• tema: estudio de las leyes de escalado para robots;
• validación: cinco benchmarks;
• resultado: de media, +37,4 puntos frente a sólidas soluciones de referencia;
• contexto de la comparación: la clase de modelos VLA y WAM, que hoy se consideran de vanguardia en embodied AI.

Una ganancia media de 37,4 puntos en cinco pruebas es inusualmente grande. En robótica, los métodos nuevos suelen sumar unos pocos puntos porcentuales, y los saltos de dos dígitos aparecen cuando cambia el planteamiento del problema o el reparto del cómputo. La comparación con o1 apunta justamente en esa dirección: en los LLM el efecto no vino de ampliar el conjunto de entrenamiento, sino de que el modelo pudo dedicar más cómputo al propio proceso de resolución. En robots, donde un error de acción cuesta más que un error en un texto, un cambio así podría ser especialmente notable.

El papel de NVIDIA y la cuestión del coste

La presencia de NVIDIA aquí es lógica. La compañía está construyendo en torno a la robótica una línea de negocio propia: simuladores, modelos base para humanoides e infraestructura de entrenamiento. Si se confirma que la calidad de los robots crece de forma predecible al aumentar el cómputo en una etapa determinada, eso implica una demanda adicional de GPU, tanto en entrenamiento como en inferencia. Cuando el robot «piensa» más tiempo, la carga se desplaza hacia el propio dispositivo o hacia servidores edge cercanos.

La contrapartida es evidente. Cuanto más cómputo se dedica a cada decisión, más estrictas son las restricciones de latencia y de consumo energético. Un robot en una cadena de montaje no puede pasarse segundos reflexionando sobre cada movimiento. Cómo resuelven los autores este problema se sabrá a partir del artículo completo y de la reproducibilidad de los resultados por grupos independientes.

Qué deben vigilar los equipos que construyen robots

La conclusión práctica para las empresas que implantan modelos VLA es la siguiente. Conviene evaluar no solo la calidad en una plataforma, sino también el coste de trasladarla a otra: cuántos datos y horas de GPU hacen falta para devolver la tasa de éxito de la tarea al nivel anterior. Si el nuevo trabajo demuestra que el crecimiento es posible sin recopilar nuevas demostraciones para cada robot, los presupuestos de teleoperación podrían revisarse.

También conviene examinar los propios benchmarks y comprobar cuánto se parecen a sus escenarios. Una mejora media de dos dígitos en pruebas académicas todavía no garantiza el mismo efecto en la planta. Pero como señal de que la dirección del escalado en robótica ha cambiado, esta publicación merece una lectura atenta.