Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarJiqizhixin (机器之心)→ original

La Universidad de Zhejiang y Unitree abren 5 millones de movimientos verificados para robots

Para enseñar a un robot a hacer sentadillas o a fregar el suelo, lo habitual es grabar los movimientos de personas con trajes de captura. Es caro y los datos escasean. Un laboratorio de la Universidad de Zhejiang y Unitree han reunido a partir de vídeos corrientes de internet el conjunto Movens-5M: 5 millones de movimientos para robots, con una duración total superior a 10 000 horas. Cada movimiento se ejecutó en un simulador y solo se conservaron los que el robot es capaz de realizar. Para los desarrolladores, supone una base abierta para el preentrenamiento, en lugar de tener que grabar los datos desde cero. El conjunto abarca 297 tipos de acciones, desde caminar y hacer sentadillas hasta fregar el suelo y boxear, y 16 categorías de escenas: hogar, entrenamiento de fitness, ocio al aire libre. Cada movimiento dura de media unos 7 segundos: 10 000 horas repartidas en 5 millones de ejemplos.

Procesado por IA desde Jiqizhixin (机器之心); editado por Hamidun News
La Universidad de Zhejiang y Unitree abren 5 millones de movimientos verificados para robots
Fuente: Jiqizhixin (机器之心). Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalJiqizhixin (机器之心) ↗
Editor jefe
297 tipos de movimientosde caminar y hacer sentadillas a fregar el suelo y boxear
16 categorías de escenashogar, entrenamiento de fitness, ocio al aire libre
Unos 7 segundos de media por movimiento10 000 horas en 5 millones de ejemplos

Para enseñar a un robot a hacer sentadillas, fregar el suelo o boxear, lo habitual es grabar sus movimientos con personas reales que llevan trajes de captura y luego validarlos en hardware real. Es un proceso caro y lento, por lo que hay muchos menos datos para robots que textos para modelos de lenguaje. El laboratorio conjunto de inteligencia embodied de la Universidad de Zhejiang y la compañía Unitree propone un atajo: tomar vídeos corrientes de internet en los que la gente hace cosas y convertirlos en movimientos para robots.

El resultado es Movens-5M, un conjunto abierto de 5 millones de movimientos con una duración total superior a 10 000 horas, repartidos en 297 tipos de acciones y 16 categorías de escenas. Si desarrolla modelos de control para robots humanoides o cuadrúpedos, tiene a su disposición una base lista para el preentrenamiento que no hace falta grabar por cuenta propia.

Qué se ha publicado exactamente

El nombre Movens-5M se explica por sí solo: cinco millones de movimientos. Cada uno de ellos se ejecutó en un simulador, es decir, se comprobó que es realizable. En el titular chino de la noticia se describió el lanzamiento como un posible «momento GPT» para la inteligencia embodied, esto es, para los robots que actúan en el mundo físico. Es una formulación grandilocuente, pero el conjunto de datos merece atención por sí mismo.

Los movimientos se dividen en 297 tipos: caminar, hacer sentadillas, fregar el suelo, boxear y otros. Las escenas se agrupan en 16 categorías: vida doméstica, entrenamiento de fitness, ocio al aire libre. Una aritmética sencilla muestra que un ejemplo medio dura unos 7 segundos. Se trata de episodios breves y completos, no de grabaciones largas y continuas. En el proyecto participaron la Universidad de Zhejiang, el laboratorio junto con Unitree, conocida por sus robots cuadrúpedos y humanoides, y otros equipos.

Cómo funciona

La idea le resultará familiar a cualquiera que haya visto vídeos en plataformas de vídeo: una persona friega el suelo, hace ejercicio, golpea un saco de boxeo. De un vídeo así se puede extraer la trayectoria del cuerpo y trasladarla a un robot. Pero el cuerpo humano y el del robot son distintos: tienen otras proporciones, otras articulaciones y otros límites de ángulo y equilibrio. Por eso, una parte de los movimientos «traducidos» es físicamente imposible para el robot, que simplemente se caería.

Aquí es clave la fase de verificación. Según la descripción de los autores, cada movimiento se ejecutó en un simulador. Los ejemplos irrealizables se descartaron y se conservaron aquellos que el modelo del robot sí puede reproducir. Para el entrenamiento esto es importante: la red neuronal no gasta esfuerzo en memorizar movimientos que no se pueden repetir.

Qué hacer con esto en la práctica

Primero, el preentrenamiento. Se puede enseñar a un modelo las habilidades básicas con Movens-5M y después ajustarlo con una pequeña cantidad de grabaciones propias para una tarea concreta y un robot concreto. Es más barato que recopilarlo todo desde cero.

Segundo, la comparación honesta. Cuando un conjunto de datos es abierto, distintos grupos pueden entrenar sus modelos con el mismo material y comparar resultados. En robótica esto todavía es una rareza: lo más habitual es que cada empresa se aferre a sus datos cerrados.

Tercero, una señal para los fundadores. Los laboratorios chinos apuestan por escalar los datos, por analogía con los modelos de lenguaje, y los publican en abierto. Quien recopila datos cerrados debe tener en cuenta que la alternativa abierta es ahora notablemente mayor.

Salvedades

En la parte disponible de la noticia faltan datos sin los cuales es difícil evaluar el conjunto. Se desconoce en qué robots y en qué simuladores se verificaron los movimientos, qué licencia tienen los datos y qué resultados lograron los modelos entrenados con ellos. La simulación sigue siendo una aproximación de la física: un movimiento realizable en el simulador puede comportarse de otro modo en un robot real por la fricción, las holguras y los retrasos.

Además, aunque 297 tipos de acciones y 16 categorías de escenas cubren muchas situaciones domésticas, no representan toda la vida real. Esto se nota sobre todo en tareas en las que el robot debe coger y recolocar objetos, y no solo mover su propio cuerpo.

Por eso, llamar a Movens-5M un «momento GPT» es todavía prematuro. Primero hay que ver en qué medida los modelos preentrenados con estos datos resuelven mejor las tareas con robots reales. Pero un conjunto abierto de 10 000 horas con verificación de viabilidad ya es un recurso útil. Si trabaja con robots humanoides o cuadrúpedos, conviene descargar el conjunto, revisar la licencia y el formato y comprobar si reduce sus costes de recopilación de datos.

Historia

Preguntas frecuentes sobre la noticia

¿Qué se sabe sobre Qué se ha publicado exactamente?

El nombre Movens-5M se explica por sí solo: cinco millones de movimientos. Cada uno de ellos se ejecutó en un simulador, es decir, se comprobó que es realizable. En el titular chino de la noticia se describió el lanzamiento como un posible «momento GPT» para la inteligencia embodied, esto es, para los robots que actúan en el mundo físico. Es una formulación grandilocuente, pero el conjunto de datos merece atención por sí mismo.

Cómo funciona?

La idea le resultará familiar a cualquiera que haya visto vídeos en plataformas de vídeo: una persona friega el suelo, hace ejercicio, golpea un saco de boxeo. De un vídeo así se puede extraer la trayectoria del cuerpo y trasladarla a un robot. Pero el cuerpo humano y el del robot son distintos: tienen otras proporciones, otras articulaciones y otros límites de ángulo y equilibrio. Por eso, una parte de los movimientos «traducidos» es físicamente imposible para el robot, que simplemente se caería.

¿Qué se sabe sobre Qué hacer con esto en la práctica?

Primero, el preentrenamiento. Se puede enseñar a un modelo las habilidades básicas con Movens-5M y después ajustarlo con una pequeña cantidad de grabaciones propias para una tarea concreta y un robot concreto. Es más barato que recopilarlo todo desde cero. Segundo, la comparación honesta. Cuando un conjunto de datos es abierto, distintos grupos pueden entrenar sus modelos con el mismo material y comparar resultados.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…