RealWorld presenta DexBench, prueba de destreza para manos robóticas

Se puntúa la tasa de éxito y la generalización: si el robot completa la tarea con objetos, propiedades físicas o disposiciones que no vio durante el entrenamiento. El benchmark se apoya en Isaac Lab-Arena, la herramienta de código abierto de Nvidia para evaluar modelos de control a gran escala en simulación, y en el motor físico abierto Newton, que reproduce el contacto entre dedos y objetos, los objetos deformables y los equipos en movimiento.

Socios y próximos pasos

N.Lite, SpaceAI y PhysicsSimLab aportaron datos 3D y entornos. Empresas extranjeras como Genesis AI y Mimic Robotics prueban una versión previa. RealWorld publicará el código, los entornos, los datos de simulación y entrenamiento, el rendimiento de referencia y una clasificación para que investigadores y desarrolladores comparen modelos con el mismo criterio. La primera referencia se midió con RLDX 1.1, la próxima versión de su modelo de base.

La empresa reforzará la validación que contrasta los resultados simulados con los de robots reales y ampliará los robots y tipos de mano compatibles.

En un foro de startups de IA con el ministerio de Ciencia surcoreano, Nvidia anunció que invertirá en RealWorld, Motif Technologies y Upstage, sin revelar cifras. RealWorld destinará los fondos a perfeccionar su modelo y ampliar su despliegue industrial. Su director, Ryu Jung-hee, afirmó que medir de forma objetiva la manipulación precisa es clave para llevar la IA robótica a las fábricas.