Robot humanoide con mano diestra de 22 grados de libertad: aprende manipulación fina a partir de 20.000 horas de vídeo humano
Título original:We trained a humanoid with 22-DoF dexterous hands to assemble model cars, operate syringes, sort pok...
Resumen de IA
El equipo de investigación propone el método EgoScale, que preentrena GR00T N1.5 con 20.000 horas de vídeo humano en primera persona; con solo 4 horas de datos de robot, el sistema domina tareas de alta destreza como montar coches de juguete o manipular jeringuillas, con una mejora del 54 % respecto al entrenamiento desde cero. El estudio halla una relación de escalado logarítmico-lineal entre la cantidad de vídeo humano y la pérdida de predicción de acciones (R²=0.998). El método aprovecha la similitud cinemática entre la mano de 22 grados de libertad y la humana para redirigir acciones sin algoritmos de transferencia complejos. La política puede transferirse entre hardware a Unitree G1 (7 grados de libertad), con una mejora de rendimiento superior al 30 %, y aprender nuevas tareas con una sola demostración.
Puntos clave
- El equipo de investigación propone el método EgoScale,que preentrena GR00T N1.
- 5 con 20.
- 000 horas de vídeo humano en primera persona
- con solo 4 horas de datos de robot,el sistema domina tareas de alta destreza como montar coches de…
- El estudio halla una relación de escalado logarítmico-lineal entre la cantidad de vídeo humano y…
Resumen rápido
- Publicado
- Actualizado
- Fuente
- X:Jim Fan (@DrJimFan)
- Categoría
- Otros
人类视频学习呈现完美缩放定律,机器人仅需单演示即可掌握新技能,具身智能迎来数据革命
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: Robot humanoide con mano diestra de 22 grados de libertad: aprende manipulación fina a partir de 20.000 horas de vídeo humano. 26. febrero 2026. https://new.nat6.net/es/news/cmo22oj0y0108slbadann4uen/