World Labs muestra cómo los robots aprenden tareas complejas sin datos reales de entrenamiento

World Labs ha publicado los primeros resultados de su motor R2S2R, que convierte tareas robóticas reales en simulaciones para entrenar y evaluar modelos de control sin necesidad de costosas pruebas con hardware real. La tecnología proviene de SceniX, adquirida por World Labs en julio. El motor funciona en dos pasos: primero, registra robots, sensores, entorno y demostraciones de tareas para reconstruir un mundo virtual interactivo que se comporta físicamente como el original. A partir de una única tarea real, genera miles de variaciones en iluminación, posiciones de objetos, propiedades físicas y perspectivas de cámara. Luego, los modelos de control se entrenan en simulación y se transfieren a robots reales. Las pruebas se realizaron en la plataforma ALOHA y en otras cuatro plataformas robóticas, donde los modelos funcionaron durante una hora sin intervención humana. Los ejemplos incluyen el enrutamiento de cables, la inserción del extremo de un cable elástico en un agujero y el empaquetado de cajas con dos manos. El sistema es agnóstico al modelo y puede reutilizarse para nuevos modelos y robots. World Labs argumenta que el desarrollo robótico va por detrás de los modelos de lenguaje porque la evaluación está ligada a pruebas en el mundo real; una simulación robusta debe responder a las mismas preguntas sobre fallos y mejoras de los modelos. Probaron con una tarea de transferencia de cubo con dos manos, donde la simulación reprodujo casos límite y fallos. La clasificación de los modelos (incluidos GR00T N1.6 y π₀.₅) se mantuvo similar entre simulación y mundo real en 2000 ejecuciones simuladas y 100 reales por punto de control. Esto permite filtrar versiones débiles en simulación, ahorrando pruebas con hardware real para candidatos prometedores. World Labs posiciona el simulador como central en su taxonomía de modelos del mundo, citando paralelismos con la conducción autónoma. El objetivo a largo plazo es escalar los mundos en los que aprenden los robots. World Labs, fundada en 2024 por Fei-Fei Li, ha recaudado mil millones de dólares en capital de riesgo. El motor R2S2R es la primera aplicación concreta en robótica. La investigación contribuye al debate sobre los modelos del mundo en robótica, distinguiéndolos de los generadores de video y contrastando con otros enfoques como los World Action Models y la Orca de China.