AGIBOT lanza un conjunto de datos de razonamiento físico para enseñar a los robots qué hacer a continuación

Un robot puede recoger una botella a la perfección y aun así no lograr reponer el minibar. Podría dejar una botella vacía, añadir demasiadas botellas de repuesto o repetir un paso que ya ha completado. La habilidad que le falta es determinar qué exige la situación antes de elegir el siguiente movimiento.

AGIBOT busca cerrar esa brecha con el conjunto de datos de razonamiento físico, anunciado el 22 de octubre como la cuarta entrega de AGIBOT WORLD 2026. La entrega conecta los objetivos de las tareas, los cambios en las condiciones de la escena, el historial de ejecución y las acciones de robots reales. Su idea central es recopilar distintas maneras de alcanzar un mismo objetivo y ofrecer a los investigadores material para entrenar a los robots a adaptar sus decisiones a medida que avanza una tarea.

Un objetivo, varias secuencias de acciones correctas

La cuarta entrega cambia el enfoque del diseño de tareas: pasa de los movimientos difíciles a las decisiones difíciles. En lugar de recopilar únicamente demostraciones de una secuencia fija, AGIBOT varía la cantidad de objetos, los obstáculos, el espacio disponible y el progreso de la tarea. Estos cambios pueden hacer que una acción que antes era correcta deje de ser apropiada, aunque la solicitud del usuario siga siendo la misma.

Pensemos en el ejemplo del minibar. Para alcanzar el objetivo de tener tres botellas llenas hay que identificar cuáles están vacías, contar las que ya están llenas y decidir cuáles retirar y reponer. Agarrar una botella correctamente es solo una parte del trabajo. El robot también necesita representar el estado final deseado y compararlo con el estado actual.

Otro escenario consiste en recuperar una llave que está detrás de una caja. Puede bastar con agarrarla directamente si hay espacio suficiente. Si la caja bloquea el acceso, apartarla se convierte en un paso previo necesario. Buscar en los cajones añade un problema de memoria: una imagen de la cámara, por sí sola, no permite saber al sistema cuáles ya ha revisado.

Estos ejemplos ponen de manifiesto un desafío práctico para la IA física. Una política que imita los movimientos visibles de un experto aún puede tomar una decisión equivocada si no cuenta con el contexto que hacía apropiados esos movimientos. Al variar las condiciones en torno a un objetivo común, el conjunto de datos busca poner esas dependencias a disposición del entrenamiento.

Nueve capacidades de razonamiento con complejidad creciente

AGIBOT organiza la entrega en torno a nueve capacidades: seleccionar objetos según sus atributos, elegir en función del contexto, evaluar si una manipulación es viable, razonar sobre los requisitos previos de una acción, buscar para alcanzar un objetivo, hacer seguimiento de estados y cantidades, planificar secuencias más largas, mantener la memoria y ordenar subtareas.

En las tareas cotidianas, estas capacidades se solapan. Reponer productos requiere reconocerlos, contarlos y hacer seguimiento del progreso. Encontrar un objeto combina una estrategia de búsqueda con un registro de intentos anteriores. Una tarea de limpieza más larga puede exigir varios de estos juicios consecutivos, y cada acción modifica las condiciones de la siguiente.

El conjunto de datos divide las tareas en tres niveles: fácil, medio y difícil. Los juicios sobre la selección de objetos individuales se sitúan en el extremo más sencillo; las restricciones de cantidad y los requisitos previos añaden complejidad; y las tareas más largas combinan varios objetivos, memoria y requisitos contextuales. Esta estructura permite a los investigadores estudiar habilidades individuales antes de comprobar hasta qué punto funcionan bien en conjunto.

También se anotan los resultados de la ejecución, incluida la elección del objeto, su colocación y si se alcanzó la cantidad requerida. La entrega incluye ejemplos tanto correctos como erróneos, lo que permite investigar cómo reconocer desviaciones y ajustar las decisiones posteriores.

Conectar instrucciones con acciones físicas

La aportación técnica reside en cómo las anotaciones conectan los distintos niveles de una tarea. Una instrucción de alto nivel enuncia el objetivo general. Los marcos de tarea, los segmentos de subtareas y los pasos de acción describen su estructura y progreso. Los investigadores pueden utilizar estas relaciones para estudiar qué subobjetivo está activo y qué debería ocurrir a continuación.

En el nivel del movimiento, las anotaciones Dense Prompt de AGIBOT especifican el objeto objetivo, la zona de manipulación, las funciones de los dos brazos, el movimiento, el estado de la pinza y el resultado esperado. Los cuadros delimitadores, los puntos y las líneas de trayectoria conectan el lenguaje con ubicaciones y recorridos de movimiento. Esto proporciona a un sistema de aprendizaje indicaciones más explícitas sobre a qué se refiere una instrucción y cómo se representa su ejecución.

La empresa también describe segmentos de éxito y adversarios para distinguir los objetivos de los elementos distractores y verificar los resultados. En este caso, los ejemplos adversarios se refieren a la interpretación y ejecución de tareas. Ayudan a plantear preguntas como si el robot eligió el objeto correcto o si realmente terminó el paso solicitado.

En conjunto, se espera que estas anotaciones permitan entrenar modelos que conecten la toma de decisiones con una política de acción. El modelo de decisión selecciona un subobjetivo, la política ejecuta la manipulación y el estado resultante aporta información para la siguiente decisión. Esa retroalimentación es importante siempre que un robot deba recuperarse de un intento imperfecto o responder a un cambio en la escena.

Cómo encaja esta entrega en la plataforma robótica de AGIBOT

El repositorio más amplio AGIBOT WORLD 2026 describe datos del mundo real recopilados en la plataforma G2 de la empresa. El formato documentado sigue las convenciones de LeRobot e incluye datos de episodios, metadatos y flujos de video independientes de las cámaras de la cabeza y la muñeca. Esto ofrece un contexto útil a los desarrolladores que conectan observaciones visuales con comportamientos registrados del robot.

En la página del producto G2, AGIBOT presenta el hardware como una plataforma para la inteligencia incorporada y la manipulación con control de fuerza, además de destacar sus capacidades interactivas. La versión 4 aborda la capa de toma de decisiones y memoria de tareas que acompaña a esas capacidades físicas. También amplía la infraestructura de datos analizada en la cobertura anterior de Unite.AI sobre la plataforma robótica de AGIBOT.

El repositorio indica que los datos están sujetos a una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0. La condición de uso no comercial es una distinción importante para los desarrolladores que estén considerando cómo utilizar los datos publicados en un producto.

Qué podría cambiar el razonamiento físico

En los sectores de la hostelería, los servicios domésticos y el comercio minorista, resulta atractivo contar con un robot capaz de trabajar para alcanzar un objetivo en condiciones cambiantes. Preparar de nuevo una mesa o reponer un estante requiere comprobar qué hay ya, recordar el trabajo realizado y reconocer cuándo no es necesario hacer nada más. Estos juicios cobran más importancia a medida que los robots pasan de demostraciones aisladas a flujos de trabajo completos.

La versión 4 proporciona material de entrenamiento para avanzar en esa dirección. Por sí sola, no demuestra que un modelo concreto pueda realizar esos flujos de trabajo de manera fiable en entornos desconocidos. AGIBOT afirma que los datos ya han servido para desarrollar su próximo marco de agentes y su modelo fundacional de nueva generación; los resultados de rendimiento de esos sistemas son una cuestión aparte.

El cambio importante consiste en entrenar a los robots en la relación entre un objetivo, la situación actual y las consecuencias de las acciones anteriores. Los investigadores pueden explorar ese enfoque a través del proyecto AGIBOT WORLD y los recursos de datos vinculados a él.