Investigadores desarrollaron un enfoque impulsado por agentes de inteligencia artificial que podría facilitar el entrenamiento de sistemas de navegación robótica en distintas máquinas y entornos.
El nuevo marco de NVIDIA, llamado COMPASS, está diseñado para reducir el tiempo y el esfuerzo que exige adaptar las políticas de navegación cuando cambian los robots, las escenas o las condiciones de operación.
El sistema combina agentes de IA con simulación, aprendizaje por refuerzo y pruebas automatizadas para agilizar el proceso de desarrollo. Los investigadores demostraron el enfoque usando un robot cuadrúpedo, mostrando cómo el sistema puede sostener el entrenamiento y la evaluación de la navegación manteniendo a las personas involucradas en los puntos de decisión clave.
¿Qué hace exactamente COMPASS?
COMPASS, sigla de Cross-Embodiment Mobility Policy via Residual RL and Skill Synthesis, combina un modelo de navegación preentrenado con aprendizaje por refuerzo y agentes de IA para adaptar el comportamiento del robot sin tener que construir un sistema de navegación desde cero para cada máquina y cada entorno.
Navegar es bastante más complicado que simplemente hacer que una máquina se mueva. Un robot que navega debe entender su entorno, determinar dónde está, elegir una ruta, esquivar obstáculos y llegar a salvo a un objetivo. Cuando cambia el robot o el entorno, quienes desarrollan suelen necesitar datos nuevos, entornos de simulación nuevos, interfaces de software, entrenamiento y pruebas. Repetir ese proceso consume tiempo y resulta difícil de reproducir.
COMPASS apunta a reducir esa carga. En lugar de reentrenar un sistema de navegación desde el principio, parte de la política preentrenada X-Mobility de NVIDIA y usa aprendizaje por refuerzo para entrenar a un especialista para un robot y un entorno particulares. Ese especialista aprende a corregir la política existente para manejar mejor las características físicas y el entorno del robot de destino.
Los investigadores también recurren a agentes de programación con IA para automatizar buena parte del desarrollo. Quien desarrolla puede especificar el robot, el entorno y el objetivo de navegación, mientras el agente revisa las dependencias de software, prepara los recursos de simulación, corre las pruebas iniciales, inicia el entrenamiento, investiga las fallas y compara los modelos entrenados. La aprobación humana sigue siendo parte del proceso: son las personas quienes deciden si una escena está lista, si las pruebas iniciales fueron exitosas y si un modelo entrenado debe promoverse.
¿Sobre qué robot y qué escenarios funciona?
El flujo de trabajo de referencia usa el cuadrúpedo Spot, de Boston Dynamics. Se puede empezar con un entorno de bodega incorporado, lo que facilita probar el sistema antes de pasar a escenarios más complejos.
COMPASS también puede usar escenas del conjunto de datos SAGE-10K de NVIDIA, que contiene 10.000 entornos interiores generados que cubren 50 tipos de habitación. Para entornos que necesitan parecerse mucho a lugares reales, el flujo puede recurrir a NVIDIA Omniverse NuRec para reconstruir espacios capturados y llevarlos a simulación. Eso permite probar y afinar políticas de navegación en entornos mucho más cercanos a donde el robot podría operar finalmente.
| Componente | Rol dentro del flujo |
|---|---|
| X-Mobility | Política de navegación preentrenada, punto de partida |
| Aprendizaje por refuerzo residual | Entrena al especialista para un robot y entorno concretos |
| SAGE-10K | 10.000 escenas interiores generadas, 50 tipos de habitación |
| Omniverse NuRec | Reconstrucción de espacios reales capturados |
| cuVSLAM | Odometría visual opcional cuando el robot no la tiene |
¿Cómo se valida antes de subirlo al robot?
El entrenamiento arranca con una prueba de humo pequeña para verificar que el robot, el entorno, las cámaras y el sistema de control funcionen bien juntos. Una vez aprobada, pueden comenzar corridas mayores de aprendizaje por refuerzo. El sistema guarda puntos de control durante el entrenamiento, de modo que se pueden comparar versiones distintas en vez de quedarse automáticamente con el modelo final.
Las políticas entrenadas se evalúan con medidas como la tasa a la que los robots alcanzan su objetivo, cuán seguido se caen y cuánto demoran en completar una ruta. La política preentrenada y las versiones nuevas pueden probarse bajo las mismas condiciones para determinar si la adaptación realmente mejora el desempeño.
Cuando un modelo se aprueba, puede conectarse al sistema de ejecución del robot. La política toma imágenes de cámara, odometría y un objetivo de navegación para generar comandos de movimiento. cuVSLAM, de NVIDIA, puede aportar opcionalmente la odometría visual cuando el robot no cuenta con información adecuada de posición y movimiento.
El enfoque podría ofrecer una manera más reproducible de adaptar sistemas de navegación entre robots y entornos distintos, manteniendo la supervisión humana en las decisiones importantes de desarrollo y de seguridad.
Lo que implica para equipos chicos
La parte interesante para un laboratorio universitario o una empresa pequeña en Chile no es el cuadrúpedo Spot, que cuesta decenas de miles de dólares, sino la lógica residual: si la política base ya sabe navegar, lo que hay que entrenar localmente es solo la corrección. Eso baja el requerimiento de cómputo desde una granja de GPU a algo mucho más cercano a una sola tarjeta, y traslada el costo real desde el entrenamiento hacia el modelado del entorno.
Con Omniverse NuRec reconstruyendo espacios capturados, ese modelado deja de ser una tarea de artista 3D y pasa a ser una de captura con cámara. Es la diferencia entre un proyecto de tres meses y uno de tres semanas.
