Ahora se puede enseñar a los robots humanoides a caminar, correr, gatear, bailar y manipular objetos mediante un único modelo fundacional de Nvidia.

SONIC de Nvidia —cuyo nombre proviene de “supersizing motion tracking for natural humanoid control” (ampliación del seguimiento de movimiento para el control natural de humanoides)— está diseñado para dotar a los robots humanoides de control de todo el cuerpo, lo que les permite coordinar sus articulaciones, mantener el equilibrio y adaptar sus movimientos en tiempo real.

El modelo fundacional ligero y de código abierto ya está disponible públicamente, y Nvidia publicó un punto de control (checkpoint) en julio para aplicaciones que incluyen la teleoperación y el control basado en visión-lenguaje-acción (VLA). La investigación detrás de SONIC también se publicó este mes en Science Robotics, como parte del esfuerzo de Nvidia por llevar el modelo a más ingenieros.

Un enfoque distinto para el control robótico

Si bien los modelos de lenguaje y de visión se han expandido rápidamente para incorporar miles de millones de parámetros entrenados con innumerables conjuntos de datos, los modelos usados para controlar el movimiento de los humanoides han permanecido relativamente pequeños: un puñado de GPU ajustadas a un conjunto limitado de comportamientos. Añadir una nueva habilidad o movimiento al repertorio de un robot generalmente ha requerido construir un controlador completamente nuevo, lo que ayuda a explicar por qué los sistemas humanoides han sido más lentos para generalizar entre tareas que los modelos de IA basados en software.

SONIC está diseñado para cambiar eso. El modelo se basa en más de 100 millones de fotogramas de captura de movimiento —que representan alrededor de 700 horas de movimiento humano— para crear un único modelo de entrenamiento para robots.

“El control de todo el cuerpo requiere que cada articulación se coordine mientras mantiene el equilibrio, gestiona los contactos y se adapta en tiempo real a objetivos de movimiento cambiantes”, dijo Yuke Zhu, director e investigador científico distinguido de Nvidia, a AI Business.

Cómo funciona

SONIC ha sido demostrado en tres dimensiones: tamaño del modelo, datos de entrenamiento y capacidad de cómputo, con modelos de entrenamiento que van desde 1,2 millones hasta 42 millones de parámetros. El resultado es un controlador capaz de seguir una variedad de movimientos y, al mismo tiempo, adaptarse a movimientos que no encontró durante el entrenamiento.

Para Zhu, esto representa un cambio en la forma en que se pueden programar los robots humanoides.

“En lugar de diseñar manualmente controladores para habilidades individuales, SONIC aprende una base de movimiento general mediante el seguimiento de movimiento a gran escala”, afirmó. “La misma política puede ser impulsada por modelos de VR, video o VLA, y generaliza a comportamientos más allá de los vistos durante el entrenamiento”.

Esa flexibilidad podría volverse cada vez más importante a medida que los robots humanoides pasan de demostraciones controladas a entornos reales e impredecibles, donde la coordinación, el equilibrio y la recuperación importan tanto como la tarea objetivo en sí.

En las pruebas, el equipo mostró a SONIC realizando una variedad de tareas, entre ellas recoger un taladro y colocarlo en una caja, arrojar una lata de refresco a la basura y manipular objetos como una zanahoria, una esponja y una manzana. También se mostró al robot practicando kung-fu y gateando por el suelo mientras copiaba en tiempo real a un demostrador humano.

Desafíos pendientes

Pese a los avances, SONIC sigue siendo un sistema de investigación y algunos de los problemas más difíciles del control de humanoides continúan sin resolverse. Zhu señaló que las interacciones ricas en contacto y los movimientos altamente restringidos son especialmente desafiantes, sobre todo cuando existe una brecha entre la simulación y el desempeño en el mundo real.

“Nvidia está mejorando esto mediante datos de entrenamiento más ricos, mejor simulación y aleatorización de dominios, aunque algunas limitaciones dependen en última instancia de las capacidades físicas del robot”, señaló.

La mayor prueba será si los desarrolladores pueden trasladar el diseño de las demostraciones controladas a despliegues físicos, donde la repetibilidad y la seguridad se convierten en requisitos centrales y no en consideraciones secundarias.

“El siguiente paso es demostrar robustez, confiabilidad y seguridad a largo plazo en diversos entornos del mundo real”, indicó Zhu. “Esto requiere una validación más amplia, una mejor transferencia de la simulación al mundo real (sim-to-real) y sistemas de seguridad de nivel de producción integrados en toda la pila de robótica”.

SONIC dentro del marco de Nvidia

SONIC forma parte de la iniciativa más amplia de Nvidia para construir la pila tecnológica subyacente de la IA física. El fabricante de chips ha posicionado cada vez más la robótica como una extensión de su plataforma de IA, con sus ecosistemas Isaac y Cosmos, que abarcan modelos fundacionales para robots, simulación, datos sintéticos y herramientas para desplegar modelos de IA en máquinas físicas.

Mientras que la plataforma Isaac GR00T de Nvidia está diseñada para interpretar instrucciones y determinar qué debe hacer un robot, SONIC traduce esas intenciones en movimiento físico coordinado.

“SONIC es la base de movimiento que convierte la intención de alto nivel en movimiento coordinado de todo el cuerpo”, afirmó Zhu. “Conecta la simulación y los modelos fundacionales, incluidos los modelos VLA, con el control del robot en tiempo real, y proporciona una política de cuerpo completo reutilizable en lugar de requerir un nuevo controlador de bajo nivel para cada tarea”.