RespuestasPublicado19 fuentes
GE-Act 2.0 de AgiBot: qué demuestra realmente su estudio con 30.000 horas de datos robóticos
AgiBot informa que ampliar 100 veces los datos de entrenamiento, de 300 a 30.000 horas, elevó el éxito en pruebas físicas de cero disparos del 17,1% al 44,1% en G1 OP y del 13,4% al 31,1% en G2 90D. GE Act 2.0 se entrena desde una inicialización aleatoria con datos de manipulación, en vez de adaptar un modelo de víd...
Publicado porEditado con GPT-5.6 TerraImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- AgiBot informa que ampliar 100 veces los datos de entrenamiento, de 300 a 30.000 horas, elevó el éxito en pruebas físicas de cero disparos del 17,1% al 44,1% en G1 OP y del 13,4% al 31,1% en G2 90D.
- GE Act 2.0 se entrena desde una inicialización aleatoria con datos de manipulación, en vez de adaptar un modelo de vídeo previamente entrenado en la web.
- El resultado más llamativo es la ampliación de tareas que logran completarse: habilidades finas como doblar toallas o encajar vasos aparecieron en la condición de mayor escala.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What is AgiBot’s GE-Act 2.0 native world-action model, and how do its random-initialization training approach, 100-fold embodied-data scalin. Article summary: GE-Act 2.0 is AgiBot’s “native” world–action model: its visual representation, future-state generation, and action-prediction components are trained from random initialization on manipulation data, rather than adapting a. Topic tags: general, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
GE-Act 2.0 es el intento de AgiBot de construir desde cero un modelo mundo-acción para robots. En lugar de adaptar un modelo general de vídeo entrenado con datos de internet, inicializa aleatoriamente sus componentes entrenables de visión, predicción de estados futuros y acciones, y los preentrena con datos de manipulación física.
La afirmación central no es solo que el sistema sea más fiable al recibir más datos. AgiBot sostiene que, al escalar el entrenamiento de 300 a 30.000 horas, empiezan a funcionar tareas de manipulación fina que antes no lograban completarse. 17
Es un resultado de investigación relevante, pero conviene leerlo con precisión: la evidencia procede del protocolo de evaluación comunicado por AgiBot, con dos tipos de robot y 100 tareas atómicas. No demuestra que GE-Act 2.0 pueda desenvolverse de forma autónoma en cualquier hogar, fábrica o plataforma robótica.
La idea: anticipar un estado útil y actuar para alcanzarlo
Un modelo mundo-acción conecta percepción, predicción y control. Ante una instrucción verbal, como colocar un objeto en un lugar determinado, el sistema debe identificar el estado de la escena, anticipar cómo debería verse un resultado exitoso y emitir las órdenes motoras necesarias para conseguirlo.
GE-Act 2.0 divide esa función en tres componentes:
- Autoencoder orientado al control (CoAE): comprime la información visual, conservando los elementos relevantes para la instrucción y las acciones del robot.
- Planificador visual de un solo paso (SVP): genera en una única pasada diferenciable un estado visual futuro útil ya completado, en lugar de depender de una larga secuencia de simulaciones de vídeo.
- Modelo de dinámica inversa (IDM): infiere acciones ejecutables del robot a partir del estado actual y del estado futuro planificado.
17
AgiBot denomina Knowledge-Aligned Selective Optimization (KASO) a su método de entrenamiento. El artículo lo presenta como una forma de coordinar la planificación visual y el aprendizaje de acciones, al tiempo que permite preentrenar ambas partes con datos complementarios. 17
El equipo también comunica una inferencia de bloques de acciones en 104 milisegundos con una sola RTX 5090. Es una cifra importante: un robot de manipulación debe observar y reaccionar repetidamente; no basta con producir un plan visual plausible si la siguiente orden de control llega demasiado tarde. 5
Qué significa aquí «entrenado desde cero»
Muchos sistemas de aprendizaje robótico parten de un modelo entrenado previamente con grandes colecciones de imágenes o vídeos de la web. GE-Act 2.0, en cambio, inicializa desde cero sus componentes generativos y de acción y los entrena con datos de manipulación. 17
Esto hace que el experimento de escalado sea más específico: los investigadores evalúan si añadir más datos corporeizados —vinculados a interacciones y acciones físicas— mejora de forma sistemática la manipulación robótica, en vez de medir el valor heredado de un modelo fundacional de vídeo.
La receta comunicada puede incorporar trayectorias de teleoperación robótica, vídeo humano en primera persona, datos de ejecuciones sin etiquetar y también datos de fallos. Esto es relevante porque las demostraciones robóticas son costosas: un método capaz de aprender con interacciones imperfectas o parcialmente etiquetadas podría hacer más viable la recopilación de datos. 6
20
El experimento de escalado: 100 veces más datos
AgiBot entrenó versiones del modelo con 300, 1.200, 5.000 y 30.000 horas de datos de manipulación. La comparación final cubre, por tanto, un incremento de 100 veces en el volumen de datos. 4
17
La evaluación principal se planteó como una prueba de cero disparos en robots físicos:
- 100 tareas atómicas de manipulación;
- 20 familias de habilidades;
- escenas, fondos, condiciones de iluminación e instancias de objetos no vistas;
- dos cuerpos robóticos: el humanoide G1-OP y el manipulador móvil G2-90D;
- sin ajuste fino específico, demostraciones ni sustitución de modelo para las tareas de evaluación.
4
Con ese protocolo, el éxito agregado comunicado aumentó al ampliar los datos:
| Tipo de robot | Éxito con 300 horas | Éxito con 30.000 horas |
|---|---|---|
| G1-OP | 17,1% | 44,1% |
| G2-90D | 13,4% | 31,1% |
Son resultados reportados por el estudio de GE-Act 2.0. 3
17
La conclusión directa es que, para este modelo y esta distribución de tareas, más datos corporeizados se asociaron con una mejora sustancial del éxito en tareas no vistas. Las curvas comunicadas entre 5.000 y 30.000 horas no mostraron una meseta evidente, algo que los autores interpretan como una señal de que seguir escalando podría ayudar. 5
Por qué importa el efecto de «encendido» de habilidades
Una mejora del promedio puede significar simplemente que el robot se vuelve más consistente en tareas que ya sabía resolver. AgiBot argumenta que, con el régimen de mayor escala, ocurrió algo más: aumentó el número de tareas que alcanzaban una tasa de éxito distinta de cero.
En G1-OP, el número comunicado de tareas atómicas completadas con éxito pasó de 39 a 76 de 100 cuando los datos de entrenamiento crecieron de 300 a 30.000 horas. 4
Entre los ejemplos citados se encuentran:
- doblar toallas;
- encajar vasos unos dentro de otros;
- quitar y poner tapas de bolígrafos;
- arreglos florales.
8
De ahí procede el lenguaje de «encendido» o light-up empleado en el trabajo. En las pruebas comunicadas, escalar los datos no solo se vinculó a una mejor ejecución de habilidades existentes, sino a que ciertas destrezas finas empezaran a ser viables en condiciones de cero disparos tras fracasar con escalas menores.
Aun así, no debe interpretarse como una demostración de inteligencia general repentina. Describe la cobertura observada en un banco de pruebas finito. Queda por ver si el patrón se mantiene con objetos más variados, tareas de mayor duración, contextos críticos para la seguridad o nuevos diseños de robots.
Qué indica G2-90D sobre la transferencia entre robots
El G2-90D aporta la evidencia del estudio sobre transferencia entre cuerpos robóticos. AgiBot indica que este manipulador móvil con ruedas representaba menos del 2% de los datos de coentrenamiento y, aun así, su éxito agregado subió 17,7 puntos porcentuales entre las condiciones de menor y mayor volumen de datos. 3
17
El resultado sugiere que al menos parte de la estructura visual y relevante para las acciones aprendida por el modelo puede compartirse entre robots con cuerpos distintos. Es una señal útil para un futuro en el que las políticas no tengan que reconstruirse por completo para cada máquina.
Pero no prueba una inteligencia robótica independiente del hardware. La evidencia se limita a dos cuerpos evaluados y a la distribución de tareas del estudio. Además, G2-90D sí estuvo representado en el coentrenamiento, por lo que los resultados no demuestran una transferencia sin datos a un robot completamente nuevo.
La relación entre GE-Act y GE-Sim
GE-Act forma parte de la plataforma más amplia Genie Envisioner (GE) de AgiBot, descrita como un marco compartido de generación de vídeo para aprendizaje de políticas robóticas, evaluación y simulación. 18
Dentro de ese planteamiento, GE-Act es el componente orientado a la acción, mientras que GE-Sim es un componente de simulación del mundo pensado para generar secuencias condicionadas por acciones durante la evaluación y el desarrollo. 18
19
La distinción importa: el principal resultado de GE-Act 2.0 se basa en pruebas de cero disparos con robots físicos. GE-Sim puede ser infraestructura relacionada dentro de la plataforma, pero no es la base de la afirmación central de que el modelo ejecutó las tareas de manipulación reales sin ajuste fino específico ni demostraciones durante la evaluación.
Los resultados con ajuste fino responden a otra pregunta
AgiBot también comunica resultados con ajuste fino en pruebas orientadas a simulación. Según la información proporcionada, GE-Act 2.0 alcanzó un 60,52% de éxito en una prueba de entornos no vistos de RoboTwin y una puntuación de 0,770 en seguimiento de instrucciones de GenieSim; esta última se reportó por encima de los resultados comparados de π0.5 y GR00T N1.7. 20
Estas cifras pueden ser útiles para medir adaptación y rendimiento en bancos de pruebas, pero responden a una pregunta distinta de la evaluación física de cero disparos. Los resultados tras ajuste fino no deben usarse como prueba de que la misma capacidad se obtuvo sin adaptación específica a una tarea.
La lectura práctica
GE-Act 2.0 es interesante porque pone a prueba una cuestión sencilla, pero importante para la IA corporeizada: ¿puede un modelo mundo-acción entrenado directamente con datos de manipulación mejorar de forma predecible al crecer esos datos?
En el experimento comunicado por AgiBot, la respuesta es afirmativa. Expandir el conjunto de entrenamiento de 300 a 30.000 horas coincidió con grandes mejoras del éxito de cero disparos en G1-OP y G2-90D, una mayor cobertura de tareas y la aparición, en la condición de mayor escala, de habilidades como doblar toallas y encajar vasos. 3
4
17
La conclusión adecuada es más acotada que la promesa comercial de un robot de propósito general: GE-Act 2.0 aporta evidencia de que escalar datos corporeizados de manipulación puede producir capacidades nuevas y medibles en una evaluación controlada con robots reales. Antes de considerarlo una solución general para la autonomía robótica, aún hacen falta replicaciones independientes, pruebas con hardware más diverso y evaluaciones más exigentes de tareas largas y seguridad.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "GE-Act 2.0 de AgiBot: qué demuestra realmente su estudio con 30.000 horas de datos robóticos"?
AgiBot informa que ampliar 100 veces los datos de entrenamiento, de 300 a 30.000 horas, elevó el éxito en pruebas físicas de cero disparos del 17,1% al 44,1% en G1 OP y del 13,4% al 31,1% en G2 90D.
¿Cuáles son los puntos clave a validar primero?
AgiBot informa que ampliar 100 veces los datos de entrenamiento, de 300 a 30.000 horas, elevó el éxito en pruebas físicas de cero disparos del 17,1% al 44,1% en G1 OP y del 13,4% al 31,1% en G2 90D. GE Act 2.0 se entrena desde una inicialización aleatoria con datos de manipulación, en vez de adaptar un modelo de vídeo previamente entrenado en la web.
¿Qué debo hacer a continuación en la práctica?
El resultado más llamativo es la ampliación de tareas que logran completarse: habilidades finas como doblar toallas o encajar vasos aparecieron en la condición de mayor escala.