Robótica
PhoneBot, el humanoide de UCLA que usa un celular viejo como cerebro
El robot de código abierto mide unos 48 cm, cuesta cerca de 400 dólares sin contar el teléfono y camina con un Android de 2017.
Hackster.io
Etiqueta
#aprendizaje por refuerzo
33 notas publicadas
Robótica
ETH Zúrich hace caminar sobre sus dedos a una mano robótica comercial
La mano de Wuji Technology lleva una mochila de 80 gramos con una Raspberry Pi Zero, camina a 9 cm/s y además aprieta teclas y empuja objetos.
IEEE Spectrum Robotics
Robótica
Por qué la nueva mano del Atlas de Boston Dynamics tiene cuatro dedos
Alberto Rodríguez, director de comportamiento del Atlas, detalla los 13 actuadores idénticos, el pulgar doble descartado y el entrenamiento en simulación.
The Robot Report
IA
Nemotron logra nivel de oro en las olimpiadas IOI e IMO de 2026
NVIDIA especializó su familia Nemotron 3 con ajuste fino y aprendizaje por refuerzo, y liberó en Hugging Face los modelos, los datos y las recetas.
Hugging Face
Electrónica
RoboParty presenta RP1, un humanoide de código abierto para investigar
El robot bípedo debutó en IROS 2026 con una demostración en la que el público podía empujarlo y patearlo para ver cómo recupera el equilibrio.
Interesting Engineering
IA
Ataraxos, la IA que le ganó al mejor jugador de Stratego
Investigadores de Carnegie Mellon, NYU, Stanford y MIT entrenaron el sistema por menos de 8.000 dólares y vencieron a Pim Niemeijer 15 a 1.
The Decoder
Electrónica
El perro robot RAIBO2 corre una maratón completa con una sola carga
El cuadrúpedo del KAIST terminó la Maratón de Sangju en 4 horas, 19 minutos y 52 segundos, y gastó menos energía por kilo y kilómetro que un corredor humano promedio.
Interesting Engineering
IA
Un ingeniero de Anthropic explica por qué Claude escribe peor
Jackson Kernion, que trabaja en el ajuste fino de Claude, dice que los modelos aprendieron a escribir para otras IA y que Opus 4.6 fue el último bueno para redactar.
The Decoder
Robótica
Toyota Research entrena robots con demostraciones imperfectas
El instituto propone usar aprendizaje por refuerzo fuera de línea para que los datos malos, parciales o de juego libre sirvan igual que los de un operador experto.
Toyota Research Institute
IA
Shopify recorta en 96% el costo de su agente GraphQL
El circuito convierte a diario las conversaciones que fallan en producción en datos de entrenamiento, y el modelo especializado terminó superando al de frontera.
PyTorch Blog
IA
Xiaomi lidera los modelos abiertos y Anthropic la acusa
MiMo-V2.6-Pro marca 46 puntos en el Intelligence Index, y Anthropic sostiene que Xiaomi extrajo datos de Claude en 400.000 intercambios.
The Decoder
Robótica
Una mano robótica de 818 gramos camina sobre sus dedos
El prototipo del Soft Robotics Lab de ETH Zurich usa los mismos cinco dedos para desplazarse y para apretar teclas, sin cable y sin brazo que lo sostenga.
Hackster.io
Robótica
Un test secuencial recorta hasta 70% las pruebas con robots reales
El Toyota Research Institute propone comparar políticas de manipulación con inferencia válida en cualquier momento, y detener el experimento apenas la evidencia alcanza la confianza pedida.
Toyota Research Institute
IA
Google acelera 12 a 20 veces el abanico de consultas
Retrieve-for-Train corre aprendizaje por refuerzo una vez fuera de línea y destila esa conducta en un modelo de difusión de 53,9 millones de parámetros que genera las subconsultas en una pasada.
MarkTechPost
IA
OpenAI publicará sus fallas de alineación antes de explicarlas
El marco fija criterios y plazos de divulgación pública, y llegó acompañado de 6 informes de incidentes detectados durante entrenamiento por refuerzo.
MarkTechPost
Educación
B-Human ganó 4 a 0 el primer once contra once de humanoides
El partido se jugó el 5 de julio en Incheon y fue una exhibición posterior a la final oficial de RoboCup, que el mismo equipo ganó 6 a 0.
Make Magazine
IA
TRL v1.14 sincroniza solo el adaptador LoRA hacia vLLM
Un adaptador de rango 1 pesa unos megabytes, así que viaja por un bucket montado en cada Job en vez de NCCL, y el entrenador queda en otra máquina que las réplicas de inferencia.
Hugging Face
IA
RLT propone un decoder que arrastra su estado en cada token
El diseño encadena 96 bloques por token y mantiene viva la caché entre el prompt y la respuesta, aunque el informe no entrega ninguna medición.
MarkTechPost
IA
Danijar Hafner entrena robots dentro de mundos imaginados
El investigador alemán de 31 años dejó Google DeepMind para fundar una startup en modo sigiloso que aplica sus modelos del mundo a humanoides importados desde China.
MIT Tech Review
Robótica
Un robot de seis patas aprende a caminar de un insecto palo
Investigadores de la Universidad de Tohoku y del instituto VISTEC lograron que un hexápodo cinco veces mayor que el insecto aprendiera a desplazarse en menos de una hora.
New Atlas
Electrónica
AGIBOT libera 11.430 trayectorias reales de robots
El conjunto de datos WORLD 2026 incluye los fracasos y las correcciones humanas, no solo las demostraciones exitosas que dominan el entrenamiento de robots.
Interesting Engineering
Electrónica
ConsJump: un cuadrúpedo salta huecos de su propio tamaño
Investigadores de Hong Kong y Oxford entrenaron un control jerárquico que deja al robot decidir cuándo saltar, con 0,44 segundos en el aire y una carrera previa de hasta 2,5 metros por segundo.
Interesting Engineering
Educación
Microduck: un robot bípedo de código abierto por 400 dólares
Hugging Face y Pollen Robotics lanzan un pequeño bípedo pensado para experimentar con aprendizaje por refuerzo, con SDK abierto y primeras entregas antes de Navidad de 2026.
Make Magazine
Electrónica
Microduck: el robot pato de 399 dólares de Hugging Face
Pollen Robotics presentó un bípedo de 25 centímetros con cámara, LiDAR y todo el software abierto, pensado como banco de pruebas barato para entrenar comportamientos por refuerzo.
The Register
IA
EnvHarness: Google adapta el entorno al agente que lo entrena
La capa programable envuelve entornos congelados sin tocar el simulador ni los verificadores humanos, y suma hasta 9 puntos en tareas que el agente nunca vio.
MarkTechPost
Electrónica
COMPASS, el marco de NVIDIA que enseña a navegar a los robots
El sistema combina agentes de IA, simulación y aprendizaje por refuerzo para adaptar políticas de navegación sin reentrenar desde cero cada vez que cambia el robot o el entorno.
Interesting Engineering
Electrónica
BeyondMimic: humanoides que hacen volteretas sin reentrenarse
El sistema aprende de 2,5 horas de movimiento humano y combina esas habilidades para resolver tareas nuevas, sin funciones de recompensa distintas para cada maniobra.
Interesting Engineering
IA
Microduck: el bípedo de 399 dólares que se entrena con RL
Pollen Robotics, el equipo de robótica de Hugging Face, abrió preventa de un robot de 25 centímetros donde cada movimiento es una política neuronal entrenada en simulador y exportada al hardware.
MarkTechPost
Electrónica
Un robot de seis patas aprende a caminar de un insecto palo
Con solo tres o cuatro pasos de un insecto como referencia, el sistema dedujo el objetivo detrás del movimiento y el robot aprendió a caminar en una hora.
Electronics For You
IA
COMPASS entrena la navegación de un Spot con agentes de IA
NVIDIA documentó un flujo donde un agente de programación valida el entorno, prepara la escena y lanza el entrenamiento, con aprobaciones humanas en cada paso crítico.
NVIDIA Developer
IA
Reward hacking: Por qué las IA mienten para cumplir objetivos
El comportamiento de modelos de OpenAI y Anthropic al eludir restricciones no es rebeldía, sino una optimización lógica que prioriza el resultado sobre la ética.
Xataka
IA
NVIDIA NeMo automatiza la investigación en RL con agentes
Un agente de código puede montar el entorno, lanzar experimentos y afinar modelos por su cuenta. En una prueba llevó la precisión de un modelo de 25% a 96,9% en una tarea de conteo visual.
NVIDIA Developer
IA
Rich Sutton funda Oak Lab para crear agentes que aprenden solos
El ganador del Premio Turing 2024 y padre del aprendizaje por refuerzo moderno dice que el deep learning actual es "débil e ineficiente" y arranca su propia startup en Toronto.
The Decoder
Etiquetas relacionadas
Otros temas que aparecen junto a #aprendizaje por refuerzo en nuestra cobertura editorial.