Reward AI presenta OM-1, un modelo que aprende tareas robóticas de humanos
Índice de contenidos
Claves de la noticia
- Reward AI afirma que OM-1 aprende tareas únicamente de demostraciones humanas, sin teleoperación ni datos recogidos por robots.
- Una mano de captura con siete grados de libertad registra visión, proximidad, tacto, fuerza y trayectoria a la velocidad natural de una persona.
- La empresa muestra brazos y humanoides en acción, pero aún no publica pesos, código, tasas de éxito ni una evaluación independiente.
Reward AI ha salido a escena con OM-1, una política de control que pretende enseñar la misma tarea a cuerpos robóticos distintos a partir de un único tipo de demostración humana. La propuesta ataca un coste central de la robótica moderna: volver a recoger y adaptar datos cada vez que cambian el brazo, la pinza o el humanoide. Sus vídeos son llamativos, aunque la evidencia pública obliga a distinguir entre una arquitectura prometedora y una capacidad ya comprobada.
La mano se convierte en interfaz de datos
El punto de partida no es el robot, sino Omnibody Hand, un dispositivo que la persona lleva puesto mientras manipula objetos con naturalidad. Tiene siete grados de libertad y no intenta copiar una por una todas las articulaciones de la mano. Reward AI dice haber priorizado funciones útiles: pinza entre pulgar e índice, flexión de ambos dedos y cierre coordinado de los otros tres para pasar de agarres de precisión a agarres de fuerza.
Una demostración incómoda ya contiene un error: si el guante impone compensaciones, el modelo no registra el movimiento espontáneo. Un mecanismo distal absorbe diferencias de longitud entre dedos y evita ajustes para cada usuario, según la compañía.
El registro combina cámaras de obturador global, sensores táctiles, proximidad entre dedos, pose de la mano y fuerza. Cada modalidad conserva su frecuencia nativa: la visión aporta contexto general, mientras el tacto y la proximidad describen el instante de contacto que una cámara puede captar tarde. La apuesta es preservar velocidad y esfuerzo, no solo una trayectoria geométrica. Eso permitiría registrar desde el tirón necesario para abrir una puerta hasta el cambio de agarre al levantar una caja más pesada.
Una medición sólida no valida todavía todo OM-1
Reward AI aporta un experimento cuantitativo para el seguimiento. Montó rígidamente un seguidor electromagnético y otro visual-inercial, los desplazó entre dos topes mecánicos a ocho velocidades y promedió diez ejecuciones en cada nivel. A la velocidad máxima, el error medio de sobrepaso comunicado bajó de 24,9 a 9,5 milímetros, un 60 %. Es una mejora concreta y el método está descrito con suficiente detalle para entender qué se midió.
| Área | Dato publicado | Alcance real |
|---|---|---|
| Seguimiento | 8 velocidades y 10 ejecuciones por velocidad | Compara sobrepaso de dos sistemas de captura |
| Velocidad máxima | 9,5 mm frente a 24,9 mm | Mide pose de la mano, no éxito de una tarea |
| Aprendizaje | Menos de 30 minutos de datos humanos | Afirmación de Reward AI sin protocolo completo |
| Varios cuerpos | Brazos, manipuladores móviles y humanoides | Vídeos seleccionados sin tasas de éxito publicadas |
La tabla deja una separación decisiva: el seguimiento tiene una medición comparativa, mientras que el aprendizaje rápido y la generalización entre cuerpos se apoyan por ahora en afirmaciones y demostraciones seleccionadas. No es una objeción menor de formato. Un error de nueve milímetros puede ser aceptable al mover una caja y desastroso al insertar una pieza ajustada; la utilidad depende de la tarea, la tolerancia y la capacidad de recuperarse.
OM-1 decide y otra capa ejecuta
La política recibe el historial multimodal y produce acciones que contienen dirección, velocidad, fuerza y momentos como iniciar un agarre. Debajo funciona un controlador de alta frecuencia, entrenado mediante aprendizaje por refuerzo en simulación, que traduce esas instrucciones a la dinámica concreta de cada máquina. Ambas capas operan con relojes distintos: el controlador sigue moviendo el robot mientras la política calcula la acción siguiente y suaviza la transición cuando llega una nueva predicción.
Esta separación aclara «un modelo, cualquier cuerpo». OM-1 intenta conservar la intención y delega en otra capa cómo respetar masas, aceleraciones, retardos y perturbaciones. Una división parecida aparece en el agente de soldadura de FANUC y Google, donde generar una trayectoria no elimina las comprobaciones físicas.
El coste no desaparece: cambia de sitio. Si los datos humanos se reutilizan entre máquinas, queda por medir cuánto trabajo necesita el controlador para cada robot: simulación, identificación dinámica, calibración, límites de fuerza, prevención de colisiones y validación de seguridad. Esa cifra será más importante para un comprador que el tiempo empleado por una persona en demostrar la tarea.
DexCap aporta el antecedente verificable
OM-1 continúa una línea de trabajo anterior de Chen Wang y otros investigadores. DexCap, presentado en 2024, combinaba seguimiento visual, señales electromagnéticas y observación 3D para capturar movimientos humanos y trasladarlos a una mano robótica. Su publicación evaluó seis tareas de manipulación y comunicó una recogida de datos aproximadamente tres veces más rápida que la teleoperación. También mostró políticas aprendidas con 30 minutos de captura humana.
DexCap debía adaptar observaciones y acciones a una encarnación concreta y admitía correcciones humanas. Reward AI sostiene que OM-1 usa una interfaz común, prescinde de datos del robot y entrena en una etapa. El antecedente acredita la línea de trabajo; no prueba que la nueva política generalice sin ajuste a cualquier máquina.
Ese matiz resulta especialmente relevante cuando los humanoides pasan del laboratorio a la fabricación. La línea automatizada del humanoide IRON de XPENG ya muestra que producir cuerpos consistentes y conseguir que trabajen de forma fiable son hitos diferentes. Una política reutilizable podría conectar ambos, pero necesita métricas repetidas en turnos, objetos y entornos no seleccionados.
Lo que falta para convertir una demostración en producto
Reward AI llama a OM-1 una política interna. No ofrece pesos, código, conjunto de datos, API, precio ni fecha de disponibilidad. Tampoco especifica tamaño del modelo, cómputo de inferencia, lista exhaustiva de robots, tasas de éxito por tarea, frecuencia de intervención o comportamiento después de un fallo. Los vídeos se presentan a velocidad normal y como ejecuciones autónomas, pero no sustituyen una evaluación con intentos fallidos incluidos.
Una prueba convincente debería cruzar tareas nuevas, objetos no vistos, varios cuerpos y perturbaciones repetibles, publicando tiempo de ciclo, recuperaciones e intervención humana. Los sistemas autónomos que hacen visible su razonamiento recuerdan otra necesidad: registrar por qué se eligió una acción y cómo detenerla o corregirla.
La aportación más interesante de OM-1 no es prometer una destreza universal, sino redefinir qué dato conserva valor cuando cambia el hardware. Si una demostración humana puede alimentar varios cuerpos, la biblioteca de tareas deja de depreciarse con cada generación de robot. Pero la conclusión defendible hoy es más estrecha: Reward AI ha publicado una interfaz coherente y una medición útil del sensor; todavía debe demostrar que esa ventaja sobrevive de extremo a extremo. La prueba decisiva será cuantificar el trabajo de adaptación que permanece alrededor de esos «menos de 30 minutos».
