COCO Matrix lanza CO01: un robot que aprende de una demostración, un error o una frase

La empresa china COCO Matrix ha presentado CO01, un modelo para robots construido en torno a una idea que en los LLM se considera normal desde hace tiempo: aprender en contexto. El nombre se pronuncia /kuːl/, es decir, «cool». Los desarrolladores quieren que el robot domine las tareas como lo hace una persona: primero observa, luego prueba y después escucha las correcciones. Una demostración, un fallo, una frase o una imagen del objetivo bastan para que el modelo elija de otra manera su siguiente acción.

El equipo llama a su método «indicaciones experienciales» (experience prompting). El detalle clave es que la experiencia entra directamente en el contexto del modelo. No hace falta convertirla primero en un conjunto de datos de entrenamiento ni pasarla por un nuevo ciclo de ajuste fino.

Una lección en lugar de reentrenamiento

En robótica, una tarea nueva suele significar una nueva tanda de datos. Hay que recopilar demostraciones, etiquetarlas, reentrenar la política, probarla en el hardware y, solo después, repetir el ciclo. Para un integrador que instala robots en distintas áreas de una planta, es la principal partida de gasto y la principal causa de pilotos largos.

Los modelos de lenguaje resolvieron este problema antes. Un ejemplo en el prompt cambia el comportamiento del modelo sin modificar sus pesos. CO01 traslada esa lógica al mundo físico. Si el enfoque funciona como se afirma, un instructor podrá mostrar la tarea, señalar el error y corregir la acción con una palabra, como se hace con un empleado nuevo en un almacén.

Cuatro tipos de indicaciones

El propio conjunto de señales de CO01 dice mucho. La compañía enumera los formatos que el modelo es capaz de aceptar:

• Demostración. Una sola demostración basta para fijar un patrón de acción.
• Intento fallido. El registro de un fallo se convierte en material de aprendizaje: el modelo ve qué es exactamente lo que no funcionó.
• Recordatorio breve. Una frase como «muévete más despacio» o «primero abre la tapa» orienta el siguiente paso.
• Imagen del objetivo. Una imagen del estado final, por ejemplo con los objetos ya colocados, sustituye a una descripción larga de la tarea.

El segundo punto resulta especialmente interesante. La mayoría de los robots se entrenan con trayectorias exitosas y los fallos se descartan como ruido. Aquí, el fracaso se trata como una fuente de conocimiento de pleno derecho, algo más cercano a la práctica real del aprendizaje humano. En un taller los errores ocurren constantemente, y un modelo capaz de extraer una lección de ellos en el sitio resulta más útil que uno que se limita a repetir grabaciones perfectas.

Dónde chocará el enfoque con la realidad

El aprendizaje en contexto tiene limitaciones conocidas. El contexto es finito: cuantos más ejemplos e indicaciones, mayor es la carga de cómputo y más difícil resulta cumplir los requisitos de latencia críticos para controlar un manipulador. La experiencia que reside en el contexto no se acumula por sí sola. Cuando termina la sesión, hay que transmitir de nuevo la lección, salvo que se haya guardado aparte.

También está la cuestión de la fiabilidad. Una frase clara para una persona puede ser ambigua para el modelo. Una imagen del objetivo admite varias formas de alcanzarlo, y no todas son seguras para el equipo.

Qué deben comprobar los integradores antes de un piloto

Si CO01 llega a despliegues comerciales, conviene plantear preguntas concretas al proveedor:

• cuántas indicaciones retiene el modelo en el contexto y cómo cae la velocidad de respuesta al aumentar el número de ejemplos;
• si la lección se conserva entre turnos y cómo se transfiere de un robot a otro;
• qué proporción de tareas se aprende con una sola demostración y cuál requiere varios intentos;
• cómo se comporta el sistema cuando las indicaciones se contradicen, por ejemplo una demostración y una orden verbal;
• qué restricciones de seguridad se aplican con independencia de lo que diga el operador.

Para el mercado, CO01 es otra señal de que los foundation models de robótica avanzan hacia la misma interfaz que establecieron los LLM: no reentrenar, sino explicar. Gana quien consiga que la explicación sea barata, rápida y resistente a los errores del operador. Precisamente en estos tres parámetros tendrá que compararse CO01 con sus competidores.