🇰🇷 한국어 🇺🇸 English 🇯🇵 日本語 🇪🇸 Español 🇨🇳 简体中文
Fecha de publicación: 2026.11.18 (mié)
Startups

Realworld presenta DexBench para evaluar la destreza de robots industriales

Ryu Jung-hee, CEO de Realworld, plantea que el objetivo de la robótica no es la agilidad física, sino la destreza manual, y presenta "DexBench", un nuevo estándar de evaluación desarrollado con NVIDIA para medir la capacidad de los robots en entornos industriales reales.

Realworld presenta DexBench para evaluar la destreza de robots industriales
Un hombre sonriendo con gafas puestas. (Foto=Captura de vídeo de T Times TV)

La compañía Realworld lanzó DexBench, un nuevo estándar de evaluación desarrollado con NVIDIA que utiliza el simulador Isaac Sim para medir la capacidad de los robots en entornos industriales reales. El modelo fundacional de la empresa, RLDX-1, ya ha superado a modelos de código abierto en ocho tipos de benchmarks.

“¿Por qué tiene que correr un robot? Tenemos coches. El resto del cuerpo es simplemente una herramienta para entregar manos”.

A medida que los movimientos de los robots se vuelven más espectaculares, la visión de los entornos industriales se torna más fría. Aunque recientemente se ha prestado atención a robots fabricados en China que muestran movimientos dinámicos, como hacer volteretas o correr maratones, se critica que esto está lejos del objetivo práctico de sustituir el trabajo humano. Ryu Jung-hee, CEO de Realworld, definió el valor central de un robot como la "destreza" (Dexterity), subrayando que para que un robot sustituya al 100% el trabajo humano, es esencial una tecnología de "nivel humano" que combine una inteligencia avanzada con movimientos manuales precisos.

'DexBench', creado junto a NVIDIA, es el nuevo estándar para la evaluación de robots industriales

Realworld ha presentado recientemente 'DexBench', un nuevo benchmark para evaluar la destreza de los robots, desarrollado en colaboración con NVIDIA. Mientras que los benchmarks robóticos anteriores se limitaban a probar movimientos simples, como trasladar cajas en entornos de laboratorios o universidades, DexBench se enfoca en reflejar la complejidad de los entornos industriales reales.

El CEO Ryu señaló las limitaciones de los benchmarks actuales, afirmando que "ser bueno en las tareas del hogar no significa ser bueno trabajando en una fábrica, un centro logístico o un hotel". Según su análisis, los benchmarks creados por investigadores o académicos no capturan suficientemente el contexto del trabajo real. Por ello, Realworld construyó una 'Taxonomy' que analiza el trabajo que ocurre en los lugares de labor real para extraer elementos comunes. Basándose en esto, implementaron escenarios específicos como tiendas de conveniencia, centros logísticos y fábricas en un entorno de simulación.

En particular, DexBench destaca por utilizar el motor de simulación física 'Newton' y la tecnología del simulador 'Isaac Sim' de NVIDIA para reflejar con precisión propiedades físicas como el peso, la rugosidad o la transparencia de los objetos. Esto responde a la convicción de que un benchmark carece de valor si no logra implementar perfectamente las propiedades físicas de los objetos. Se espera que DexBench se convierta en una herramienta estándar para que las empresas de robótica de todo el mundo demuestren objetivamente el rendimiento de sus modelos. Realworld informó que su modelo fundacional de robótica, 'RLDX-1', ya ha mostrado un rendimiento superior a los modelos de código abierto en 8 tipos de benchmarks.

'IA universal' que no depende del hardware: la estrategia B2B para el mercado de la robótica

La estrategia de Realworld se centra en crear un "modelo fundacional de robótica" que pueda instalarse en cualquier robot, sin fabricar el hardware directamente. Esto marca una diferencia con enfoques como los de 'Optimus' de Tesla o Figure AI, que desarrollan tanto el cuerpo del robot como la IA. Realworld aspira a un modelo "agnóstico al hardware" (Hardware Agnostic).

La razón por la que Ryu se enfoca en el software es la naturaleza específica del mercado de la robótica. Este es un mercado 100% B2B dirigido a empresas, no a consumidores individuales. Los entornos de trabajo de las empresas varían: algunos requieren robots de alta precisión y otros robots con gran fuerza para levantar cargas pesadas. Dado que un solo cuerpo robótico no puede satisfacer todos los entornos, un modelo de IA universal que soporte diversos hardwares posee una mayor competitividad. "El mercado de la robótica es, básicamente, 100% B2B", explicó, añadiendo que un modelo fundacional capaz de soportar diversos hardwares es esencial para satisfacer los diferentes requisitos de cada empresa.

Explicó que, así como los modelos de lenguaje extensos (LLM) aprenden diversos idiomas y pueden comprender el contexto sin necesidad de traducción, la IA robótica también puede transferir movimientos entre diferentes hardwares si se acumulan suficientes datos. El núcleo del modelo fundacional es superar el "punto de encarnación" (Embodiment), donde los movimientos aprendidos en un robot específico pueden implementarse en otro de forma distinta. Comparó este principio con el hecho de que, aunque el conocimiento humano resida en una base de datos en inglés, se pueda responder a una pregunta en coreano.

Una batalla de milisegundos: el control en tiempo real determina el éxito

El punto en el que la IA robótica difiere decisivamente de los LLM es la "temporalidad en tiempo real". Mientras que un usuario puede aceptar que un modelo de lenguaje como ChatGPT tarde segundos o incluso minutos en responder, un robot debe responder instantáneamente a los cambios físicos que ocurren en el momento preciso de sujetar un objeto. "El tiempo para corregir la postura y evitar que un robot resbale al sujetar un objeto debe ocurrir en decenas o cientos de milisegundos (ms)", advirtió Ryu. "Si el bucle de retroalimentación no funciona dentro de este tiempo, el robot puede perder el equilibrio y caerse".

Esto significa que debe existir una combinación precisa entre el área de "planificación" (Planning), donde la inteligencia superior traza la ruta, y el área de "control local", que reacciona instantáneamente mediante el sentido de las puntas de los dedos. Citando la opinión del profesor Gong Gyeong-cheol de KAIST, Ryu coincidió con el concepto de "Sistema 1 y Sistema 2", que divide el pensamiento entre el área cognitiva decidida por el cerebro y el área sensorial que ocurre en las puntas de los dedos. Para responder a la rugosidad o el peso de un objeto, es esencial una estructura híbrida que combine el enfoque probabilístico de los modelos grandes con un bucle de retroalimentación en tiempo real.

En última instancia, Realworld tiene como objetivo completar una inteligencia robótica lista para ser desplegada en entornos industriales mediante una estructura híbrida que combine la inteligencia de un gran modelo fundacional con un stack de software que permita el control en tiempo real. Recientemente, también se han realizado intentos de resolver problemas de robótica utilizando IA agéntica (Agentic AI) como Astra o Argon. Ryu pronosticó que los humanoides serán los ancestros de todos los robots y previó que la implementación masiva de robots en entornos industriales comenzará alrededor de 2028.

Fuente: vídeo original (YouTube)

#Realworld #Ryu Jung-hee #NVIDIA #DexBench #robótica #inteligencia artificial #RLDX-1 #industria
L
Lim Sangwoo
TrendBiz · Redactor

Cubre Economía para TrendBiz y también escribe sobre Noticias Empresariales y Finanzas.

Más de este periodista ›
Derechos de autor ⓒ TrendBiz Todos los derechos reservados. Prohibida la reproducción, redistribución y uso para entrenamiento de IA.

0Comentarios

Los comentarios están desactivados por ahora.

Sé el primero en comentar.