El Instituto Tecnológico de Massachusetts (MIT) presentó esta semana un nuevo modelo de entrenamiento para robots que abandona los métodos de entrenamiento centrados en conjuntos de datos específicos y, en cambio, utiliza una gran cantidad de información, similar a la utilizada en el entrenamiento de los grandes modelos de lenguaje (LLM). Los investigadores señalan que el aprendizaje por imitación —donde un agente aprende imitando a un individuo que realiza una tarea— puede fallar cuando se enfrenta a pequeños desafíos. Estos desafíos pueden incluir diferentes condiciones de iluminación, configuraciones ambientales diferentes u obstáculos nuevos. En estas situaciones, el robot no dispone de datos suficientes para adaptarse a estos cambios.