Una startup de robótica china quiere construir la 'fórmula' que da a los robots inteligencia general

Puntos clave

• X Square Robot, una empresa china de IA incorporada, liberará todo su stack de IA para robótica como software de código abierto en 2025.
• La empresa afirma que su método de recopilación de datos alcanza un rendimiento comparable al de conjuntos de datos exclusivamente robotizados a aproximadamente 20 veces menor costo.
• Su modelo del mundo, WALL-WM, organiza el comportamiento del robot alrededor de acciones nombradas como "alcanzar" o "agarrar" en lugar de ventanas de tiempo fijas.
• Su modelo de acción, Wall-OSS-0.5, está diseñado para ejecutarse en un robot real antes de que comience el entrenamiento específico de tareas, lo cual es raro en el campo.
• Todos los resultados principales hasta ahora provienen de los propios benchmarks de la empresa, lo que significa que las pruebas independientes aún no los han confirmado.

Enseña a un sistema de IA suficiente texto, y algo útil emerge. Esa idea, llamada preentrenamiento con datos amplios, convirtió los grandes modelos de lenguaje (la tecnología detrás de chatbots como ChatGPT) en herramientas generales que millones de personas utilizan todos los días.

La robótica no tiene un atajo equivalente. Un robot que dobla ropa no puede simplemente transferir esa habilidad a cargar un lavavajillas. Los sistemas dentro de la mayoría de los robots actuales están construidos a partir de partes separadas y especializadas que no suman nada general.

X Square Robot, una empresa china enfocada en lo que los investigadores llaman IA incorporada (IA que vive en un cuerpo físico y debe actuar en el mundo real), cree haber encontrado la fórmula. De manera inusual para una startup de IA china, está liberando su núcleo para que cualquiera lo use e inspeccione.

El enfoque de la empresa se basa en tres capas trabajando juntas: cómo recopilan datos de aprendizaje los robots, un modelo del mundo que predice qué sucederá a continuación en el mundo físico, y un modelo de acción que transforma la percepción y el razonamiento en movimiento real.

¿Qué diferencia esto de otros proyectos de IA para robots?

La parte más llamativa es cómo X Square Robot maneja los datos de entrenamiento. Recopilar demostraciones de robots es costoso porque necesitas un robot real, supervisión cuidadosa del operador y horas de configuración. X Square Robot construyó un arnés portátil con dos pinzas que una persona usa en sus manos, sin necesidad de robot, reduciendo drásticamente los costos de recopilación.

Pero datos más baratos no sirven de nada si son incorrectos. La empresa añade un control de calidad genuinamente inusual: una muestra de movimientos grabados se reproduce físicamente en un robot real, y solo los movimientos que completan la tarea se cuentan como válidos. Una pinza que se cierra una fracción demasiado pronto podría parecer un agarre exitoso en la grabación, pero el objeto ya ha sido derribado. Esa trayectoria se descarta.

Combinar estos datos de demostración humana más baratos con una pequeña cantidad de datos de robot real aparentemente alcanza un rendimiento comparable a los conjuntos de datos recopilados enteramente en robots, a aproximadamente una vigésima parte del costo. Impresionante, si es verdad. Como señaló IEEE Spectrum AI, estos números provienen de las propias pruebas de X Square Robot, e investigadores externos aún no los han confirmado. Informamos por primera vez sobre entrenamiento de robots basado en simulación el 13 de julio de 2026 en Entrena el Robot en un Mundo Falso Primero, Luego Envíalo al Real, y el problema de validación señalado allí se aplica aquí también: los números de laboratorio no siempre sobreviven al contacto con el hardware de otras personas.

¿Cómo funciona el modelo del mundo?

WALL-WM toma un enfoque diferente del tiempo. La mayoría de los sistemas de IA para robots dividen el movimiento en fragmentos de igual duración, como una película se corta en fotogramas. WALL-WM en cambio organiza el comportamiento alrededor de eventos significativos: alcanzar, agarrar, colocar. Cada evento termina cuando la acción se completa, no cuando un reloj marca. Los límites coinciden con lo que realmente está sucediendo.

El modelo de acción, Wall-OSS-0.5, es un modelo de visión-lenguaje-acción (software que lee imágenes de cámara e instrucciones de lenguaje, luego produce movimiento físico). El requisito de la empresa es que debe hacer algo útil en un robot real antes de que alguien lo entrene más para una tarea específica. Capacidad general primero, especialización segundo.

¿Deberías esperar un robot doméstico pronto?

No aún. Los robots domésticos de propósito general siguen siendo años en el futuro independientemente de este anuncio. Lo que importa aquí no son los números de rendimiento, que son autoreportados y estrechos en alcance. Es la liberación de código abierto. Si investigadores independientes pueden reproducir y extender estos resultados, el campo avanza más rápido que lo haría bajo un sistema cerrado y propietario. Esa es la apuesta real que X Square Robot está haciendo, y vale la pena observar si la comunidad más amplia de robótica la adopta.