Si estás comparando dos formas de entrenar un brazo robótico, empieza por reservar una tarea que ninguno haya visto durante el entrenamiento. ToyBlocks, el entorno de simulación que Ai2 presentó el 6 de noviembre de 2026, permite plantear ese tipo de comparación con bloques sobre una mesa. Su interés está en repetir la prueba y observar en qué paso falla el robot. [1] [2]
Qué pone a disposición Ai2
ToyBlocks es el primer entorno de FoundationWorlds. En la simulación, un brazo empuja, voltea y apila bloques. El entorno genera demostraciones de las tareas y el repositorio ofrece código y herramientas para evaluar el éxito y el progreso parcial. Esto permite estudiar el efecto de cambiar los datos de entrenamiento con un escenario común. Hugging Face aloja una explicación del proyecto y el desarrollo corresponde al Allen Institute for AI. [1] [2] [3]
Conviene distinguir una demostración de una evaluación. La demostración muestra cómo completar una acción y puede alimentar el entrenamiento. La evaluación mide qué hace el sistema con las condiciones que se han reservado para comprobarlo. Si la misma configuración aparece en ambas, un buen resultado puede reflejar familiaridad con el ejemplo y decir poco sobre la capacidad de afrontar una situación distinta.
Una comparación que se puede repetir
Imaginemos dos sistemas que deben apilar un bloque encima de otro. Daría a ambos el mismo presupuesto de entrenamiento y reservaría un conjunto fijo de posiciones iniciales. Una comparación podría variar la cantidad de demostraciones de agarre y mantener el resto de los datos igual. Después mediría el desempeño con el mismo conjunto reservado. Así resulta más fácil atribuir una diferencia al cambio de entrenamiento.
El porcentaje de apilados completos sirve como primera lectura. Para diagnosticar el fallo, anotaría si el brazo alcanzó el bloque, lo agarró, lo orientó y lo soltó en el lugar previsto. Dos sistemas con la misma tasa de éxito pueden necesitar mejoras distintas. Uno puede perder el bloque durante el traslado y otro llegar bien hasta la torre, pero derribarla en el último movimiento.
También guardaría los resultados por posición inicial, junto con el número de intentos y las condiciones de cada ensayo. Si el rendimiento cae cuando un bloque queda cerca del borde de la mesa, esa señal ayuda a decidir qué ejemplo añadir en el siguiente entrenamiento. Si usas ese resultado para ajustar el entrenamiento, reserva otro conjunto de posiciones para la comprobación final. Estos pasos son una propuesta de Actualiza2 para usar las herramientas del proyecto.
Qué se puede trasladar a un brazo real
La simulación facilita repetir condiciones y observar fallos sin dedicar un brazo físico a cada intento. En una mesa real intervienen la fricción, la calibración, la iluminación y el estado de la pinza. Un resultado en el entorno virtual sirve para decidir qué probar primero. Para evaluar la transferencia repetiría las mismas maniobras con un brazo físico, dentro de un espacio supervisado, y registraría también deslizamientos, contactos imprevistos e intervenciones.
El código y la documentación se consultan en el repositorio público de Ai2. Las fuentes describen un entorno de investigación y simulación. La publicación del repositorio permite revisar el procedimiento sin que exista un despliegue comercial por países que confirmar. La disponibilidad de un brazo concreto y su compatibilidad física se evalúan por separado. Actualiza2 revisó la documentación del proyecto. La prueba comparativa de este artículo es una propuesta. [1] [3]