Un equipo del MIT desarrolló SceneSmith, un sistema que usa tres agentes de IA para construir entornos virtuales realistas en los que los robots pueden entrenar tareas antes de enfrentarse al mundo real. La propuesta busca acelerar el desarrollo de robots autónomos y reducir la necesidad de intervención humana.
Cómo funciona SceneSmith
El sistema se apoya en tres agentes que trabajan en conjunto. El primero, llamado “diseñador”, genera los elementos de la escena, como muebles, paredes y objetos. El segundo, el “crítico”, revisa si lo creado resulta realista y sugiere correcciones. El tercero, el “orquestador”, supervisa el proceso y decide cuándo el escenario está listo.
La construcción avanza por etapas: primero se crea el plano de planta, luego se agregan muebles, después se colocan objetos en paredes y techos, y finalmente se suman elementos manipulables. El resultado es una escena que puede cargarse en un software de simulación física para que el robot practique movimientos e interacciones.
Pruebas, resultados y límites del sistema
Los investigadores generaron más de 1300 escenas y crearon 100 espacios únicos para evaluar distintas políticas de control del robot. También operaron robots de forma remota dentro de los entornos virtuales, donde lograron abrir gabinetes, guardar botellas y navegar entre habitaciones.
En una prueba clave, una política de robot preentrenada con datos del mundo real consiguió tomar una manzana de un tazón y ponerla en una tabla de cortar dentro de SceneSmith. Además, un agente de visión y lenguaje detectó defectos en los planes del robot, y los humanos coincidieron con sus veredictos en más del 99% de las veces.
Más de 200 usuarios evaluaron los visuales del sistema y los consideraron más realistas que otros enfoques en más del 90% de las veces. También dijeron que SceneSmith seguía las indicaciones con mayor precisión, al generar escenas específicas como una oficina privada o una tienda de cerámica.
El sistema, sin embargo, tiene una limitación importante: puede tomar varias horas producir una sola escena. Además, depende de bibliotecas de objetos 3D disponibles y todavía debe ampliarse para trabajar con objetos no rígidos, como esponjas.
Los investigadores esperan mejorar la escalabilidad y optimizar el proceso con más poder de cómputo. SceneSmith, concluyen, apunta a una robótica más preparada para escenarios reales mediante simulaciones cada vez más detalladas.
Lo que aporta frente a otros métodos
Comparado con sistemas anteriores como HSM y Holodeck, SceneSmith produce entornos con más objetos y una mayor densidad visual. También incorpora elementos articulados, como gabinetes que pueden abrirse y cerrarse, lo que aumenta el realismo de la simulación.
En la evaluación de más de 200 usuarios, los visuales de SceneSmith fueron preferidos en más del 90% de las veces frente a otros enfoques. Esa combinación de precisión física, diversidad de escenas y fidelidad visual es la base de su propuesta para entrenar robots con mayor eficacia.
