Figura Sistema de IA robótica “Helix” de AI para robots humanoides: un modelo de Visión-Lenguaje-Acción (VLA)

Resumen: Visión, lenguaje, movimiento: Helix como hito en la robótica

Helix es un innovador sistema de IA para robots humanoides desarrollado por Figure AI. Se trata de un modelo de Visión-Lenguaje-Acción (VLA) que combina la percepción visual, la comprensión del habla y el control motor preciso en un solo sistema. Helix supone un avance significativo en el desarrollo de sistemas robóticos flexibles para entornos no estructurados, como los hogares. Gracias a su capacidad para realizar tareas complejas sin entrenamiento previo, podría revolucionar la interacción hombre-máquina.

Relacionado con esto:

• Robots controlados por voz: ¡Helix de Figure AI lo está cambiando todo! Industria, hogar, futuro: comprende, aprende y ejecuta en tiempo real

Habilidades de Helix

• Control en tiempo real de todo el cuerpo superior de robots humanoides, incluidos 35 ejes de movimiento
• Procesamiento de la entrada de voz y la información visual para realizar tareas complejas
• Reconocimiento y manejo de objetos desconocidos sin entrenamiento específico
• Colaboración entre múltiples robots en la ejecución de tareas
• Realizar tareas domésticas como llenar el refrigerador

Detalles técnicos

Consta de dos componentes principales:

1. Un modelo de lenguaje multimodal con 7 mil millones de parámetros (7-9 Hz)
2. Una IA de movimiento con 80 millones de parámetros (200 Hz)

• Formado con tan solo 500 horas de formación supervisada
• Funciona con GPU integradas de bajo consumo energético

Los mayores competidores

1. Google DeepMind: Desarrollo de modelos VLA similares a RT-2
2. Meta: Trabajando en robots humanoides avanzados
3. Apple: También en la carrera por desarrollar humanoides con IA avanzada
4. OpenAI: antiguo socio de Figure AI, ahora competidor en el campo del desarrollo de IA

Google DeepMind

Google DeepMind ha presentado RT-2 (Robotics Transformer 2), un innovador modelo de visión-lenguaje-acción (VLA). RT-2 permite a los robots realizar nuevas tareas sin entrenamiento específico, aprendiendo conceptos de textos e imágenes en internet y traduciéndolos a acciones robóticas. En pruebas, RT-2 demostró un rendimiento significativamente mejor en tareas novedosas en comparación con su predecesor, RT-1.

Relacionado con esto:

• Google Project Mariner: Agente de IA experimental como extensión del navegador: navegación web autónoma con tecnología DeepMind

Meta

Meta está invirtiendo fuertemente en el desarrollo de robots humanoides impulsados ​​por IA. La compañía ha creado un nuevo equipo dentro de su división Reality Labs, centrado en la investigación y el desarrollo de robots para consumidores. Meta planea desarrollar sistemas de IA, sensores y plataformas de software que también puedan ser utilizados por otros fabricantes.

Manzana

Apple también está explorando diseños de robots humanoides y no humanoides. Sin embargo, la compañía aún se encuentra en una etapa temprana de desarrollo. El analista Ming-Chi Kuo predice que la producción en masa no será posible hasta 2028 como muy pronto. Apple se centra especialmente en la interacción humano-robot.

Relacionado con esto:

• ¿Está Apple presa de la fiebre robótica? Las ofertas de empleo revelan la ofensiva robótica de Apple: ¿Acaso el gigante tecnológico está atacando ahora el mercado de los electrodomésticos?

OpenAI

OpenAI, antiguo socio de Figure AI, está desarrollando su propia división de robótica y se centra en los robots como la encarnación de la inteligencia artificial en el mundo real. La empresa ahora compite directamente con Google DeepMind y otras empresas en el desarrollo de IA para robótica.

Xpert.Digital posee un profundo conocimiento de diversas industrias. Esto nos permite desarrollar estrategias a medida, alineadas con precisión con las necesidades y desafíos de su segmento de mercado específico. Mediante el análisis continuo de las tendencias del mercado y el seguimiento de la evolución del sector, podemos actuar de forma proactiva y ofrecer soluciones innovadoras. La combinación de experiencia y conocimientos genera valor añadido y proporciona a nuestros clientes una ventaja competitiva decisiva.

Más información aquí:

• Benefíciate de las 5 áreas de especialización de Xpert.Digital en un solo paquete, desde solo 500 € al mes

Modelo VLA innovador: Helix combina percepción, lenguaje y movimiento

El reciente lanzamiento de Helix por parte de Figure AI marca un avance significativo en el panorama de la IA robótica. Este innovador modelo de Visión-Lenguaje-Acción (VLA) se distingue de los sistemas existentes por sus innovadoras características, estableciendo nuevos estándares para el control de robots humanoides. Helix integra la percepción visual, la comprensión del habla y el control preciso del movimiento en un único sistema, diseñado específicamente para abordar los desafíos de la robótica física.

Arquitectura única de sistema dual

Quizás la diferencia más significativa entre Helix y otros sistemas de IA para robots reside en su innovadora arquitectura de dos componentes. Esta estructura de sistema dual resuelve un problema fundamental de la IA robótica.

Sistema 1 y Sistema 2: Una inteligencia complementaria

A diferencia de los enfoques convencionales, Helix utiliza dos sistemas complementarios que, en conjunto, logran un equilibrio único entre universalidad y velocidad. El Sistema 2 (S2) es un modelo de lenguaje multimodal con 7 mil millones de parámetros, que opera a una frecuencia de 7-9 Hz y funciona como el "cerebro" analítico del robot. Procesa datos visuales y comandos de voz, interpreta el entorno y decide qué acciones realizar.

Como complemento, se encuentra el Sistema 1 (S1), una unidad de control visomotora rápida y reactiva con 80 millones de parámetros. Este componente traduce la información semántica proporcionada por S2 en acciones robóticas precisas y continuas a una impresionante frecuencia de 200 Hz. La Figura AI explica que los enfoques anteriores fracasaron debido a la falta de universalidad o velocidad: «Usar VLM (Modelo Visual de Lenguaje Grande) es universal, pero no rápido, y usar estrategias de movimiento visual para robots es rápido, pero no universal». Helix supera esta dicotomía gracias a su estructura dual.

Esta arquitectura se diferencia fundamentalmente de otros modelos VLA conocidos como el RT-2 de Google DeepMind, que también combina datos visuales y comandos de voz, pero no tiene una división comparable en dos partes.

Relacionado con esto:

• La plataforma Gemini de Google con Google AI Studio, Google Deep Research con Gemini Advanced y Google DeepMind

Capacidades de control integrales

Control sobre 35 grados de libertad

Otra característica distintiva de Helix es su capacidad para coordinar 35 grados de libertad simultáneamente. Este control integral permite una manipulación precisa y a alta velocidad de todo el torso humanoide, incluyendo muñecas, torso, cabeza y dedos individuales. Esta capacidad de control supera a la mayoría de los sistemas existentes y permite realizar tareas de manipulación complejas que requieren un alto nivel de motricidad fina.

Generalización y aprendizaje de objetos

Reconocimiento universal de objetos sin entrenamiento específico

Una característica clave de Helix es su capacidad para reconocer y manipular prácticamente cualquier objeto doméstico pequeño sin necesidad de entrenamiento previo sobre sus características específicas. Esta amplia generalización permite al sistema manipular miles de objetos con diversas formas, tamaños, colores y propiedades materiales.

A diferencia de muchos otros sistemas robóticos de IA que requieren reprogramación o reentrenamiento para cada nueva tarea o tipo de objeto, Helix puede adaptarse a diferentes situaciones y responder a comandos de lenguaje natural. Esto representa un cambio de paradigma, ya que el sistema utiliza una única red neuronal para aprender todos los comportamientos —como recoger y dejar objetos, usar cajones y refrigeradores, e interactuar con otros robots— sin necesidad de ajustes específicos para cada tarea.

Coordinación de múltiples robots

Habilidades de colaboración únicas

Helix es el primer modelo de VLA capaz de controlar simultáneamente dos robots y permitirles colaborar. Esta capacidad les permite resolver conjuntamente tareas complejas que implican el paso de objetos y la coordinación de movimientos. Cabe destacar la comunicación casi humana entre los robots mediante movimientos de cabeza y contacto visual.

Esta forma de coordinación representa un avance significativo respecto a los sistemas convencionales, donde cada robot suele controlarse individualmente o requiere entrenamiento específico para funciones específicas. Con Helix, ambos robots utilizan los mismos pesos de modelo sin necesidad de ajustes individuales.

Eficiencia e implementación de la capacitación

Requisitos mínimos de formación, máximo rendimiento

Otra diferencia clave reside en la notable eficiencia del proceso de entrenamiento. Helix se desarrolló utilizando solo 500 horas de datos de entrenamiento teleoperados de alta calidad, una cantidad significativamente menor que la de métodos comparables que a menudo requieren miles de horas de demostraciones específicas. Esta eficiencia no solo subraya la sofisticación técnica del sistema, sino también su viabilidad económica para aplicaciones comerciales.

Procesamiento con capacidad integrada

A diferencia de muchos sistemas robóticos de IA que dependen de potentes servidores externos, Helix se ejecuta completamente con GPU integradas de bajo consumo en los robots. Este procesamiento integrado elimina la necesidad de una conexión constante a recursos informáticos externos, lo que aumenta la autonomía y la flexibilidad del robot en diferentes entornos.

Diferenciación estratégica

Integración vertical en lugar de modelos genéricos de IA

Figure AI se ha diferenciado estratégicamente de otras empresas al finalizar su colaboración con OpenAI y adoptar una estrategia de integración vertical, desarrollando tanto hardware como software internamente. El director ejecutivo, Brett Adcock, explicó que los modelos genéricos de IA son insuficientes para satisfacer las necesidades de la IA incorporada, es decir, la IA en robots físicos. Esta decisión subraya el enfoque de la empresa de desarrollar soluciones a medida para los desafíos específicos de la robótica, en lugar de depender de modelos generales de IA.

Orientación a la aplicación

Centrarse en el uso doméstico

Mientras muchos actores de la industria se centran actualmente en aplicaciones robóticas industriales o en el entorno laboral, Figure AI adopta un enfoque estratégico sorprendente con Helix, centrándose en la robótica doméstica. La capacidad de los robots para realizar tareas cotidianas como clasificar la compra, llenar el refrigerador o manipular una amplia variedad de artículos del hogar se dirige a un mercado que otros actores suelen considerar demasiado complejo para entrar.

Coordinación multi-robot: La clave para la próxima generación de robótica

Helix se distingue de otros sistemas robóticos de IA por su arquitectura de sistema dual, sus completas capacidades de control, su notable capacidad de generalización y la coordinación multirrobot. Con su eficiente proceso de entrenamiento, procesamiento integrado y su enfoque estratégico en aplicaciones domésticas, representa un avance significativo en el desarrollo de robots humanoides. Mientras que otros sistemas, como el RT-2 de Google DeepMind, utilizan enfoques similares que combinan datos visuales y comandos de voz, Helix ofrece ventajas diferenciadoras gracias a su arquitectura única y su enfoque de desarrollo integrado, lo que lo convierte en pionero en la próxima generación de robots impulsados ​​por IA.

☑️ Apoyo a las PYMES en estrategia, consultoría, planificación e implementación

☑️ Creación o realineamiento de la estrategia digital y digitalización

☑️ Ampliación y optimización de procesos de ventas internacionales

☑️ Plataformas comerciales B2B globales y digitales

☑️ Desarrollo de negocios pioneros

 

Estaré encantado de servir como su asesor personal.

Puedes contactarme rellenando el formulario de contacto que aparece a continuación o simplemente llamándome al +49 7348 4088 965 .

Espero con ilusión nuestro proyecto conjunto.

 

 

Xpert.Digital es un centro industrial centrado en la digitalización, la ingeniería mecánica, la logística/intralogística y la energía fotovoltaica.

Con nuestra solución de Desarrollo de Negocio 360° apoyamos a empresas de renombre desde el nuevo negocio hasta la posventa.

Inteligencia de mercado, smarketing, automatización de marketing, desarrollo de contenidos, PR, campañas de mailing, redes sociales personalizadas y lead nurturing son parte de nuestras herramientas digitales.

Puede encontrar más información en: www.xpert.digital - www.xpert.solar - www.xpert.plus