¿Qué pasó?

World Labs, fundada por la investigadora de inteligencia artificial Fei-Fei Li, presentó un motor de simulación que entrena modelos de control de robots completamente en entornos virtuales. El sistema, llamado "Real-to-Sim-to-Real" (R2S2R), convierte tareas reales de robots en simulaciones para entrenamiento y evaluación, reduciendo así la necesidad de costosas pruebas con hardware físico. La tecnología proviene de SceniX, la startup que World Labs adquirió en julio de 2026.

El sistema registra robots, sensores, el entorno y las demostraciones de las tareas, y las convierte en mundos virtuales interactivos que se asemejan a la realidad no solo visualmente, sino también en el comportamiento físico. Esto se logra combinando modelos generativos de mundo (generative world models) con simulación de robots orientada a tareas. A partir de una sola tarea real, se pueden generar miles de variaciones cambiando la iluminación, la posición y cantidad de objetos, el entorno, propiedades físicas como la fricción y el ángulo de la cámara.

¿Por qué importa?

Según World Labs, el principal obstáculo para el desarrollo de robots no es la arquitectura del modelo, sino el volumen de experiencia que un robot necesita para funcionar de forma confiable. Los datos del mundo real son costosos y difíciles de controlar; los videos de internet tampoco cubren de manera sistemática todos los objetos, condiciones físicas y situaciones de error. La empresa sostiene que evaluar el rendimiento de los modelos de control ha dependido en gran medida de pruebas con hardware real hasta ahora, lo que ha dejado al campo de la robótica rezagado frente a los modelos de lenguaje.

En las pruebas de World Labs, los modelos de control se entrenaron en simulación y luego se ejecutaron durante una hora sin intervención humana en hardware real, en cinco plataformas de robots distintas, incluida la plataforma de código abierto ALOHA. Las tareas incluyeron enrollar un cable alrededor de un refrigerador con dos manos, reposicionar tubos de ensayo con precisión y separar objetos delgados como lápices de una pila.

Lo que se sabe

  • El motor R2S2R convierte una sola tarea real en miles de variaciones simuladas cambiando variables como luz, posición y fricción
  • Los modelos de control se probaron con distintos tipos de modelos y etapas de entrenamiento, incluidos GR00T N1.6 y π₀.₅
  • Cada punto de control se evaluó con 2.000 ejecuciones simuladas y 100 reales
  • Las clasificaciones de los modelos en simulación y en el mundo real fueron en gran medida coherentes
  • World Labs fue fundada en 2024 por Fei-Fei Li y recibió una inversión de 1.000 millones de dólares para desarrollar modelos de mundo orientados a la robótica y la ciencia

¿Qué sigue?

World Labs señala que el sistema no depende de un modelo de control ni de un tipo de robot en particular, y que un mundo recreado una vez puede reutilizarse posteriormente con diferentes modelos y robots. La empresa define su objetivo a largo plazo como escalar los mundos que aprenden los robots para escalar su inteligencia. Sigue abierta la pregunta de en qué medida estos resultados podrán trasladarse a entornos más complejos, distintos tipos de robots y situaciones cotidianas menos controladas.