ROSCon 2026 destaca avances en inteligencia artificial para la robótica

ROSCon 2026 ha sido un foro clave para el avance en el desarrollo del Robot Operating System (ROS), presentando una serie de innovaciones en inteligencia artificial para el control de robots. Según un informe de Hackster.io desde el evento, las políticas robóticas, que definen el comportamiento de un robot, están siendo moldeadas por enfoques diversos y complementarios.

Durante los talleres, tanto AMD como NVIDIA demostraron la aplicación del Reinforcement Learning (RL) para entrenar modelos que guían las acciones de los robots. Esta metodología, que a menudo se lleva a cabo en entornos de simulación para mitigar riesgos, se evidenció en la capacitación de un brazo robótico UR10 para alcanzar objetivos específicos y en la inserción de cables. NVIDIA abordó la brecha entre la simulación y la realidad (Sim-to-Real gap), proponiendo estrategias como el movimiento circular para refinar la precisión en tareas de contacto. Por su parte, AMD se centró en el “fine-tuning” de políticas preexistentes, como enseñar a un robot humanoide a subir escaleras.

Los modelos Vision-Language-Action (VLA), que interpretan texto e imágenes para generar acciones robóticas, también tuvieron cabida en la discusión. No obstante, NVIDIA indicó que para tareas de alta precisión y contacto, el Reinforcement Learning superó a los VLA en sus experimentos. La comunidad reconoció la necesidad de acumular vastas cantidades de datos para el entrenamiento de estos modelos, una fase comparable a la recolección de datos para la visión artificial en la década de 2010.

Una de las propuestas más disruptivas fue la de los World Action Models (WAMs), presentados por AMD. Estos modelos, construidos sobre World Models que aprenden cómo evoluciona el mundo, no solo predicen el futuro de una escena, sino también las acciones necesarias para alcanzar una tarea específica. Se destacó que los WAMs pueden ofrecer una mejor intuición sobre la física al preentrenarse con grandes volúmenes de vídeo, a costa de una mayor complejidad computacional. La inversión de AMD en la adquisición de World Labs, un laboratorio especializado en la generación y simulación de entornos 3D, subraya esta apuesta.

En un desarrollo relevante para el ecosistema, AMD, en colaboración con Robotec.ai, presentó el marco RAI, una solución de inteligencia artificial agéntica que interactúa con funcionalidades existentes de ROS 2 como MoveIt 2 y Nav2. Otra innovación fue el concepto de “Code as Policies” (CaP), donde un modelo de lenguaje extenso (LLM) o un modelo de lenguaje visual (VLM) genera código para controlar el robot, mostrando una tasa de éxito del 45.0% en el benchmark LIBERO-PRO bajo condiciones perturbadas, superando significativamente a los enfoques VLA en este escenario.

El compromiso de la comunidad ROS con la inteligencia artificial física (Physical AI) se materializó con la creación de un Special Interest Group (SIG) dedicado a este ámbito. Este grupo ya está trabajando en la integración de la infraestructura LeRobot de Hugging Face y en la adaptación de los formatos de datos ROS bags para los requisitos de entrenamiento de las políticas de Physical AI. Además, se exploraron soluciones para mejorar el rendimiento de ROS 2 en aplicaciones de visión y Physical AI, con propuestas de NVIDIA y Ekumen para implementar una estrategia de “zero-copy” y la adopción de soporte nativo para asyncio en rclpy para optimizar la ejecución de nodos.