Recientemente, Figure AI ha anunciado los últimos avances en la tecnología de marcha de sus robots humanoides, mostrando una capacidad de caminar natural entrenada mediante aprendizaje por refuerzo. Esta tecnología no solo ha mejorado significativamente la velocidad de movimiento del robot, sino que también marca un nuevo hito en los sistemas de control robótico impulsados por IA. Según se informa, la velocidad de marcha del robot de nueva generación, Figure02, ha alcanzado las 2,68 millas por hora (aproximadamente 1,2 m/s), acercándose a la velocidad de marcha normal de un humano (aproximadamente 3-4 millas por hora), una mejora de casi siete veces en comparación con las 0,67 millas por hora del Figure01 anterior.
Figure AI ha adoptado un innovador método de entrenamiento llamado "de simulación a realidad" (Sim-to-Real). Utilizando el aprendizaje por refuerzo en un entorno de simulación de alta fidelidad, los ingenieros completaron en pocas horas un entrenamiento equivalente a años de datos. Una vez completado el entrenamiento, la red neuronal se puede aplicar directamente al robot real sin necesidad de ajustes adicionales, logrando una transferencia de "cero disparos". Este método reduce significativamente el ciclo de desarrollo y garantiza la aplicabilidad de la tecnología en entornos reales.
A diferencia de los métodos tradicionales de control robótico, Figure AI abandona el diseño heurístico basado en reglas y se basa completamente en una red neuronal de extremo a extremo. Este sistema, mediante el aprendizaje autónomo, puede adaptarse a tareas complejas y cambios en el entorno sin necesidad de programar instrucciones específicas manualmente. Gracias a esto, el paso del Figure02 es más fluido y natural, acercándose gradualmente a la forma de caminar humana, aunque todavía no alcanza la "perfección" del paso humano.
Además, esta red neuronal se ha implementado en todo el grupo de robots de Figure, y todos los robots funcionan con los mismos parámetros de peso, lo que garantiza la coordinación de los movimientos y la coherencia tecnológica. Esta aplicación en clúster no solo mejora la eficiencia, sino que también sienta las bases para futuras implementaciones a gran escala.
Expertos del sector afirman que este avance de Figure AI muestra el enorme potencial del aprendizaje por refuerzo en el campo de la robótica humanoide. La perfecta integración del entrenamiento de simulación a la aplicación real no solo acelera la iteración tecnológica, sino que también permite una integración más amplia de los robots en la vida humana. En el futuro, con la mejora continua de la optimización de la marcha, es probable que los robots de Figure asuman más tareas en fábricas, hogares e incluso entornos exteriores.