Se presenta Natura-1, un modelo fundacional de 50.000 millones de parámetros para la manipulación robótica diestra
La arquitectura de Mezcla de Expertos (MoE) procesa un millón de horas de experiencia humana egocéntrica para ejecutar instrucciones complejas en lenguaje natural y realizar tareas de horizonte largo sin entrenamiento previo.
En el marco del desarrollo de sistemas robóticos adaptativos, se ha anunciado el lanzamiento de Natura-1, el primer modelo fundacional general diseñado para interactuar con el mundo físico mediante el control de manos diestras. La arquitectura permite traducir instrucciones en lenguaje natural en tiempo real a acciones motoras en modo zero-shot, demostrando capacidades de generalización y razonamiento espacial ante escenarios no observados durante su fase de entrenamiento.
Natura-1 está estructurado como un modelo de Mezcla de Expertos (MoE) de 50.000 millones de parámetros, preentrenado a partir de un corpus de un millón de horas de experiencia humana egocéntrica en vídeo y telemetría.
Post-entrenamiento, razonamiento y ejecuciones de horizonte largo
Para transferir el conocimiento del mundo físico a la manipulación diestra de alta precisión, los investigadores aplicaron una fase de post-entrenamiento eficiente utilizando un volumen limitado de datos robóticos. Esta metodología permite que el modelo adapte su base conceptual a las restricciones físicas de extremidades articuladas sin necesidad de reentrenamientos masivos para cada tarea específica.
Entre las capacidades operativas demostradas por Natura-1 destacan:
- Comprensión en modo zero-shot: Interpretación y ejecución de órdenes complejas considerando relaciones entre múltiples objetos, restricciones espaciales y condiciones negativas.
- Flujos de trabajo continuos: Ejecución autónoma de tareas de horizonte largo que requieren secuencias lógicas prolongadas y corrección de trayectoria en tiempo real.
- Comportamiento emergente: Evidencia temprana de que la generalización de conceptos abstractos puede coexistir con la complejidad cinemática y la destreza fina de manos robóticas.
Perspectivas de desarrollo e infraestructura
El equipo de desarrollo ha señalado que el avance de esta tecnología requerirá un enfoque integral en la pila tecnológica (full-stack), identificando como prioridades la optimización de la infraestructura de hardware para inferencia en tiempo real, la expansión de los datos de preentrenamiento y el diseño de arquitecturas con mayor tasa de transferencia hacia plataformas robóticas diversas.
El proyecto se plantea como un esfuerzo de investigación e ingeniería de largo plazo orientado a consolidar la autonomía de la robótica de servicio e industrial.