La IA en robótica aprobó el examen corto y reprobó el largo. LADDER, la plataforma de medición presentada por INSAIT y NVIDIA, deja el dato sin adornos: los modelos resuelven hasta el 85,4 % de las acciones aisladas, pero el acierto cae al 0,5 % cuando la tarea obliga a encadenar varias acciones en orden.
INSAIT, el instituto de ciencias de la computación e inteligencia artificial vinculado a la Universidad de Sofía, en Bulgaria, construyó LADDER con 145 tareas repartidas en ocho categorías. Cada tarea arma secuencias de una a diez acciones y el paquete completo suma 2.024 pruebas simuladas. La IA en robótica queda medida ahí en su punto débil exacto: no en mover un brazo, sino en sostener una cadena completa sin perder el hilo.
IA en robótica: una acción sale bien, diez se caen
Una acción aislada es tomar una pieza y soltarla en una bandeja. Una cadena de diez es abrir un contenedor, buscar la pieza correcta entre varias, tomarla sin tumbar las demás, girarla, llevarla al punto de montaje, encajarla, soltarla y verificar el resultado. LADDER puntúa cada eslabón y la cadena entera, y la diferencia entre ambos puntajes es el titular real de la presentación: 85,4 % en lo simple, 0,5 % en lo encadenado.
El mejor resultado global lo firmó GPT-Policy, un modelo apoyado en GPT-6 Astra, con un 62 % de acierto total en la plataforma. Ese 62 % convive con el derrumbe en las secuencias largas, y la convivencia dice mucho del estado de la IA física: el modelo acierta la mayoría de las tareas cortas y medias, pero una cadena larga multiplica las opciones de error en cada paso, y un solo fallo a mitad de camino anula el trabajo anterior.
La logística ya vive ese problema con máquinas reales. Los robots humanoides que trabajan en la logística de Audi repiten rutas y manipulaciones cortas en entornos controlados, justo el terreno donde los modelos de LADDER rinden bien. Las tareas largas y variables, con imprevistos en el medio, quedan medidas por la plataforma búlgara en ese 0,5 % que nadie en la industria puede maquillar.
La brecha entre ambos extremos es de 170 veces: del 85,4 % al 0,5 % no hay una caída suave, hay un precipicio. Las cadenas de dos o tres acciones todavía sostienen tasas útiles, y cada eslabón añadido recorta el acierto porque el modelo debe recordar qué hizo, en qué estado quedó el objeto y qué toca después. Una persona en una línea de montaje corrige sobre la marcha con la vista y el tacto; el modelo evaluado por LADDER trabaja con la información de sus sensores y con la secuencia que trae aprendida, sin esa corrección continua.
Medir un modelo cuesta más de US$8.000
La segunda cifra de LADDER duele en el presupuesto: evaluar un solo modelo cuesta más de US$8.000. La factura sale de las 2.024 pruebas simuladas, del tiempo de cómputo que exige correr secuencias de hasta diez acciones y de repetir cada tarea las veces que haga falta para que el resultado tenga valor estadístico. Un laboratorio con tres modelos en desarrollo paga más de US$24.000 solo por saber dónde está parado cada uno.
Ese costo ordena el mapa de la investigación. Los grupos grandes absorben la factura y miden seguido; un equipo universitario pequeño mide menos, publica con datos más finos y compite con desventaja en la comparación directa. INSAIT y NVIDIA ponen la plataforma sobre la mesa con esa tensión incluida: la medición rigurosa existe, tiene nombre y tiene precio, y el precio deja fuera de la foto completa a una parte de los investigadores.
Las ocho categorías de tareas cubren manipulación de objetos y secuencias de montaje en entornos simulados. La simulación abarata frente a un robot físico, que se rompe, se desgasta y exige un técnico al lado, pero 2.024 pruebas con física calculada paso a paso siguen consumiendo horas de servidores con tarjetas de NVIDIA, el socio que aporta la infraestructura de cómputo al proyecto.
LADDER y las secuencias de diez acciones
El diseño de secuencias de una a diez acciones permite ver el punto exacto de la caída. Los modelos aguantan las cadenas cortas con tasas cercanas a las de la acción aislada y se desploman al crecer la cadena, porque cada acción nueva depende del resultado de la anterior: si la pieza quedó girada dos grados mal en el paso tres, el encaje del paso ocho nace condenado.
INSAIT presentó LADDER el 29 de octubre y el dato que repiten los laboratorios de robótica es concreto: con un 0,5 % de acierto en cadenas largas, ningún robot autónomo de propósito general está listo para recibir una orden de diez pasos en una planta real. La plataforma no promete la solución; entrega el termómetro, cobra US$8.000 por lectura y marca la distancia exacta entre el robot de demostración y el robot de producción.
Fuente: Foro3D
