es.wedoany.com Noticia: El equipo de robótica PrismBot de vivo ganó el campeonato de la pista "Razonamiento a la Acción" en la Competencia Mundial AGIBOT ICRA 2026, celebrada en Viena. Este evento, parte de la Conferencia Internacional IEEE sobre Robótica y Automatización, atrajo a 526 equipos de 27 países y regiones. El equipo de vivo obtuvo el primer lugar con una ventaja decisiva en la final con robots reales, demostrando la capacidad de su enfoque técnico para transformar la comprensión de tareas en decisiones de acción en entornos complejos del mundo real.
El equipo de robótica de vivo también se ubicó entre los tres primeros a nivel mundial en la pista de Control Corporal Completo, lo que refleja aún más su fortaleza en I+D en el campo de la inteligencia encarnada. Estos resultados reflejan la dirección estratégica de vivo: construir sistemas de percepción basados en tecnología de imagen y desarrollar un "cerebro" robótico impulsado por IA para llevar capacidades inteligentes al mundo físico. Hu Baishan, presidente y director de operaciones de vivo, así como director de la Academia Central de Investigación de vivo, expuso esta estrategia en la Reunión Anual del Foro de Boao para Asia 2026.
La Competencia Mundial AGIBOT es una de las competiciones internacionales más exigentes en el campo de la inteligencia encarnada, enfatizando la implementación en el mundo real y utilizando pruebas rigurosas con robots reales para evaluar el rendimiento del sistema. La pista "Razonamiento a la Acción" se centra en el desafío central de transformar la comprensión de tareas en decisiones de acción, combinando evaluación por simulación en línea y pruebas fuera de línea con robots reales en Viena. La puntuación se basa en la tasa de finalización de tareas en entornos reales, la estabilidad a largo plazo y la capacidad de generalización en escenarios complejos. Los modelos participantes deben completar de forma independiente la comprensión de intenciones, la descomposición de tareas, la priorización de subobjetivos y la recuperación de anomalías, y luego transformar el proceso de decisión en ejecución física a través de un brazo robótico. El equipo de robótica de vivo desarrolló un marco de entrenamiento e inferencia centrado en la optimización de fotogramas clave y el aprendizaje contrastivo. La ponderación de pérdida de fotogramas clave ayuda al modelo a aprender puntos de acción clave de manera más efectiva, mientras que el aprendizaje contrastivo reduce la brecha semántica entre las instrucciones basadas en texto y la ejecución de acciones físicas.
En la pista de Control Corporal Completo, los robots deben recoger de forma autónoma productos específicos en un escenario realista de supermercado y colocarlos en un carrito de compras, enfrentándose a diversas categorías de productos, disposiciones espaciales cambiantes y una compleja comprensión semántica y generalización de acciones. El equipo de robótica de vivo aplicó el mismo sistema técnico centrado en el razonamiento a este escenario, utilizando la ponderación de pérdida de fotogramas clave para mejorar la precisión de agarre y el aprendizaje contrastivo para identificar mejor la dirección de agarre, logrando así un lugar entre los tres primeros. Este resultado valida la transferibilidad y la robustez técnica del enfoque de vivo en diferentes tipos de tareas.
vivo considera el hogar como punto de partida para la I+D en robótica, ya que el entorno doméstico exige altos niveles de tareas a largo plazo, colaboración bimanual, manipulación precisa, razonamiento y toma de decisiones, capacidades que se alinean estrechamente con las evaluadas en ICRA 2026. El equipo de robótica de vivo está avanzando desde la operación remota hacia la inteligencia autónoma, mejorando gradualmente la ejecutabilidad de tareas complejas y la capacidad de verificación escalable. Basándose en su experiencia en sistemas de dispositivos, capacidades de imagen y desarrollo global de productos, vivo está construyendo un sistema de capacidades robóticas que integra software y hardware y evoluciona continuamente con el tiempo.
Este artículo es compilado por Wedoany, las citas de la IA deben indicar la fuente «Wedoany»; si hay alguna infracción u otro problema, por favor notifícanos a tiempo, este sitio lo modificará o eliminará. Correo electrónico: news@wedoany.com
