Un agente con GPT-6 Sol enseñó en unas horas a un robot virtual a caminar y a buscar gatos

Normalmente, el camino desde la idea de «quiero un robot que camine por la habitación y encuentre al gato» hasta una simulación funcional lleva semanas. Hay que escribir código, configurar el entorno, lanzar el entrenamiento, ver por qué el robot se cae, ajustar las recompensas y repetir. El columnista de Wired Will Knight intentó delegar casi todo este ciclo en un modelo de lenguaje y lo logró en unas pocas horas.

Qué hizo exactamente el agente

El protagonista del experimento es una versión virtual de Microduck, un simpático robot de Pollen Robotics y Hugging Face. El autor aún espera la unidad física, así que todo ocurrió en un simulador. La tarea es sencilla: caminar por una habitación y reconocer gatos de Bengala. Más adelante, el robot debe darle una golosina a la mascota del autor, llamada Leona.

El conjunto de herramientas: GPT-6 Sol de OpenAI, el arnés de agentes Hermes de Nous Research y un ordenador personal Nvidia DGX Spark. El modelo no se limitó a escribir código. A través de Nvidia Isaac Sim daba instrucciones a un modelo que controlaba al robot virtual, veía vídeos de los resultados, evaluaba cómo iban las cosas y proponía cambios en el régimen de entrenamiento. Es decir, el humano actuaba más bien como cliente, mientras que el agente asumió la rutina del investigador: lanzar experimentos y analizar resultados.

El resultado: el robot aprendió a caminar sin caerse. El intento de enseñarle el moonwalk a partir de un GIF de Michael Jackson fracasó. Tras varias horas de trabajo, solo salió una «carrera muy enérgica hacia atrás».

Qué hacen los profesionales

También en los laboratorios se prueban cosas parecidas. Tras el lanzamiento en septiembre del modelo Astra, el equipo del profesor Ken Goldberg, de Berkeley, vio su demo de generación de imágenes 3D y se preguntó si eso ayudaría a construir simulaciones para entrenar robots. Esas simulaciones deben ser muy precisas; de lo contrario, un comportamiento complejo, como el baile de un humanoide o el agarre con una mano, se transfiere mal al mundo real.

Uno de los estudiantes dio a Astra acceso a la herramienta Nvidia Newton, le mostró un videoclip con un robot real y le pidió recrear la escena. Según Goldberg, en menos de una hora el modelo produjo una simulación 3D completa con los parámetros ajustados: posición de la cámara, iluminación, fondo y materiales.

Esta semana, Goldberg, el investigador de Nvidia Jim Fan y sus colegas publicaron el código del framework Aspire. Permite que el robot encuentre y aplique nuevas habilidades por sí mismo. En uno de los ejemplos, GPT-6 Astra controló dos brazos robóticos y resolvió un cubo de Rubik: primero lo agarró en un ángulo equivocado, luego razonó durante mucho tiempo y aun así lo logró, porque iba acumulando habilidades sobre la marcha. En la conferencia CoRL en Austin, Fan mostró otra demo: el modelo pinta el puente Golden Gate con pincel y pinturas.

La idea de Fan es que ahora un LLM controla robots igual que controla herramientas de software. Los modelos entrenados para acciones físicas (VLA) son para él simplemente otra herramienta, como una aplicación en un ordenador.

Limitaciones y conclusión práctica

No hay que esperar que mañana los robots funcionen solos. El autor reconoce con honestidad que la visión de su patito es demasiado débil para un producto real. El funcionamiento fiable y eficiente de los robots sigue exigiendo una seria pericia de ingeniería. Además, los resultados de las demos los describen los propios participantes y en el artículo no hay verificación independiente.

Aun así, la conclusión para los profesionales es esta. El cuello de botella en la robótica se desplaza de «escribir código» a «formular la tarea y verificar el resultado». Si tienes un simulador, análisis de vídeo y un agente capaz de lanzar experimentos y analizar los resultados, el ciclo de iteraciones se reduce de semanas a horas. Para prototipos y proyectos de aficionados ya se puede probar, y Aspire es un punto de entrada listo para usar.

Goldberg dice que varias empresas de robótica industrial y automatización ya se han interesado por el enfoque. Ven potencial en la manufactura y el comercio electrónico. Knight supone que tras el «vibe coding» puede llegar la «vibe robótica»: cuando programar y entrenar robots sea fácil tanto para aficionados como para ingenieros. Y Leona, si todo sale bien, ya no tendrá que quedarse sin su golosina.