Por qué los humanoides tienen dificultades para agarrar objetos en movimiento: desarrollo de VLA para entornos dinámicos

Hoy en día, la mayoría de las demostraciones con robots se realizan en entornos estáticos con iluminación estable y cámaras fijas, donde los modelos VLA (Visión-Lenguaje-Acción) funcionan bien. Sin embargo, las tareas del mundo real a menudo implican objetos en movimiento, como artículos en una cinta transportadora. Cuando un robot humanoide de tamaño completo interactúa con objetos en movimiento, también debe caminar y mantener el equilibrio, lo que complica los cálculos de movimiento. Los principales desafíos incluyen la latencia entre la observación y la acción, los fragmentos de acción desactualizados y la incapacidad de determinar la velocidad del objeto a partir de una sola imagen. Modelos recientes como DynamicVLA abordan estos problemas actualizando las acciones con mayor frecuencia y considerando la sincronización. Para los humanoides, el control de todo el cuerpo es esencial porque los movimientos del brazo afectan el equilibrio del torso. La arquitectura RLDX-1 procesa múltiples flujos de información (movimiento, memoria, física, acción) para mejorar la manipulación dinámica. En MTS Web Services, el autor está adaptando RLDX-1 para controlar el humanoide Unitree G1 en la tarea de agarre dinámico de todo el cuerpo de artículos en una cinta transportadora, tratando la tarea como un bucle cerrado: observar, predecir, interceptar, ejecutar, verificar, corregir.