Hogar
El equipo de Li Feifei presenta un método para generar campos de entrenamiento infinitos para robots a partir de un único vídeo
En el ámbito de la inteligencia incorporada, salvar la brecha entre la simulación y la realidad —lo que se conoce como «Sim2Real»— ha sido durante mucho tiempo un obstáculo persistente. Los entornos de simulación son costosos y, con frecuencia, los modelos pierden rendimiento cuando se implementan en entornos físicos. Un estudio colaborativo reciente del equipo de Li Fei-Fei, el NVIDIA GEAR Lab y Georgia Tech presenta una solución novedosa: Real2Sim.
Denominado «SimFoundry», este sistema crea simulaciones robóticas interactivas, entrenables y comprobables utilizando vídeos sencillos del mundo real. Más allá de la reconstrucción 3D tradicional, SimFoundry realiza un análisis profundo de la escena para automatizar la creación del entorno, lo que reduce drásticamente el esfuerzo necesario para construir simulaciones.

La innovación principal de SimFoundry consiste en un bucle cerrado entre «gemelos digitales» y «primos digitales». El sistema extrae datos geométricos, físicos e interactivos de los vídeos para construir gemelos digitales de alta fidelidad. A continuación, varía automáticamente la apariencia, la disposición y las tareas para generar diversos primos digitales. Esto permite a los desarrolladores obtener datos de entrenamiento prácticamente ilimitados a partir de un único vídeo, lo que facilita el aprendizaje y la evaluación de estrategias de principio a fin dentro de la simulación.
Los experimentos confirman la gran capacidad predictiva de SimFoundry, ya que el rendimiento simulado de los robots se ajusta estrechamente a los resultados del mundo real. Es fundamental destacar que las estrategias entrenadas con estos datos sintéticos se transfieren eficazmente a la realidad sin necesidad de ajuste fino («zero-shot»), destacando en tareas complejas como operaciones de varios pasos y la coordinación de dos brazos.
Este sistema de código abierto, cuyo artículo ha sido escrito conjuntamente por destacados expertos en robótica —entre los que se incluyen miembros clave del NVIDIA GEAR Lab y del equipo de Li Fei-Fei—, promete transformar el desarrollo de la IA incorporada. Al sustituir la costosa recopilación manual de datos por tecnología generativa, los robots pueden ahora pasar del laboratorio a las aplicaciones del mundo real mucho más rápidamente.
Enlace al artículo: https://arxiv.org/pdf/2606.28276v1
Artículo relacionado
Anthropic lanza Claude Mythos para resolver la Conjetura de Erdős con una demostración concisa
El 26 de mayo, Sholto Douglas, ingeniero en Anthropic, utilizó X para anunciar que su último modelo, Claude Mythos, había resuelto un rompecabezas centenario en geometría combinatoria: la conjetura de las distancias unitarias de Erdős. Calificada com
Amazon adquirirá Decart por 7.000 millones de dólares, asegurando un adaptador clave de chips de inteligencia artificial
Según el Wall Street Journal, Amazon está negociando para adquirir la startup de inteligencia artificial Decart con una valoración estimada de 7000 millones de dólares. Si no surgen ofertas competitivas, la transacción podría cerrarse pronto, lo que
Cómo aborda Locus uno de los mayores retos de la robótica: la manipulación
NeuraGrasp maneja diversos artículos, entre los que se incluyen pequeños envases, bolsas de plástico porosas y textiles. | Fuente: Locus RoboticsLocus Robotics Corp. ha superado numerosos obstáculos r
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
En el ámbito de la inteligencia incorporada, salvar la brecha entre la simulación y la realidad —lo que se conoce como «Sim2Real»— ha sido durante mucho tiempo un obstáculo persistente. Los entornos de simulación son costosos y, con frecuencia, los modelos pierden rendimiento cuando se implementan en entornos físicos. Un estudio colaborativo reciente del equipo de Li Fei-Fei, el NVIDIA GEAR Lab y Georgia Tech presenta una solución novedosa: Real2Sim.
Denominado «SimFoundry», este sistema crea simulaciones robóticas interactivas, entrenables y comprobables utilizando vídeos sencillos del mundo real. Más allá de la reconstrucción 3D tradicional, SimFoundry realiza un análisis profundo de la escena para automatizar la creación del entorno, lo que reduce drásticamente el esfuerzo necesario para construir simulaciones.

La innovación principal de SimFoundry consiste en un bucle cerrado entre «gemelos digitales» y «primos digitales». El sistema extrae datos geométricos, físicos e interactivos de los vídeos para construir gemelos digitales de alta fidelidad. A continuación, varía automáticamente la apariencia, la disposición y las tareas para generar diversos primos digitales. Esto permite a los desarrolladores obtener datos de entrenamiento prácticamente ilimitados a partir de un único vídeo, lo que facilita el aprendizaje y la evaluación de estrategias de principio a fin dentro de la simulación.
Los experimentos confirman la gran capacidad predictiva de SimFoundry, ya que el rendimiento simulado de los robots se ajusta estrechamente a los resultados del mundo real. Es fundamental destacar que las estrategias entrenadas con estos datos sintéticos se transfieren eficazmente a la realidad sin necesidad de ajuste fino («zero-shot»), destacando en tareas complejas como operaciones de varios pasos y la coordinación de dos brazos.
Este sistema de código abierto, cuyo artículo ha sido escrito conjuntamente por destacados expertos en robótica —entre los que se incluyen miembros clave del NVIDIA GEAR Lab y del equipo de Li Fei-Fei—, promete transformar el desarrollo de la IA incorporada. Al sustituir la costosa recopilación manual de datos por tecnología generativa, los robots pueden ahora pasar del laboratorio a las aplicaciones del mundo real mucho más rápidamente.
Enlace al artículo: https://arxiv.org/pdf/2606.28276v1
Anthropic lanza Claude Mythos para resolver la Conjetura de Erdős con una demostración concisa
El 26 de mayo, Sholto Douglas, ingeniero en Anthropic, utilizó X para anunciar que su último modelo, Claude Mythos, había resuelto un rompecabezas centenario en geometría combinatoria: la conjetura de las distancias unitarias de Erdős. Calificada com
Amazon adquirirá Decart por 7.000 millones de dólares, asegurando un adaptador clave de chips de inteligencia artificial
Según el Wall Street Journal, Amazon está negociando para adquirir la startup de inteligencia artificial Decart con una valoración estimada de 7000 millones de dólares. Si no surgen ofertas competitivas, la transacción podría cerrarse pronto, lo que











