FLUX-mimic representa un cambio fundamental en cómo se entrenan los robots industriales. A diferencia de los sistemas tradicionales que se basan en modelos de Visión-Lenguaje-Acción (VLA), que dependen de conjuntos de datos estáticos de imágenes y texto, FLUX-mimic utiliza un modelo de video generativo como base, según informó Mimic Robotics.

Los sistemas VLA convencionales se entrenan previamente con datos de imágenes y texto estáticos y deben aprender las interacciones físicas casi completamente a partir de datos costosos de demostración robótica. FLUX-mimic, en cambio, aprovecha un modelo de video que ya ha aprendido la dinámica de objetos, movimiento e interacciones físicas a través de un preentrenamiento en video a gran escala antes de ser adaptado para el control robótico.

El sistema funciona prediciendo acciones robóticas al emparejar el modelo de video con un decodificador de acciones que convierte las predicciones visuales en movimientos robóticos ejecutables. Esta arquitectura permite que los robots aprendan habilidades físicas de manera más eficiente mientras reduce la cantidad de datos específicos de tareas necesarios para el despliegue.

Según Mimic Robotics, FLUX-mimic puede ajustarse para ciertas tareas de manipulación utilizando tan solo 30 minutos de datos de demostración robótica, en comparación con las 30 o más horas que frecuentemente requieren los sistemas de aprendizaje convencionales, dependiendo de la complejidad de la tarea. Esta reducción en los datos de entrenamiento se espera que acorte los ciclos de despliegue de varios meses a cuestión de semanas.

La tecnología se construye sobre la investigación anterior de Mimic Robotics en modelos de Video-Acción, que extendieron modelos de generación de video preentrenados con la capacidad de predecir acciones robóticas. FLUX-mimic avanza ese trabajo con una arquitectura específicamente diseñada para aplicaciones de inteligencia artificial física en entornos industriales, permitiendo que los robots comprendan mejor el movimiento y el comportamiento de objetos antes de ejecutar tareas.

Mimic Robotics está desplegando la tecnología con el fabricante automotriz Audi para evaluar su desempeño en entornos de fábrica del mundo real. La colaboración se enfoca en automatizar tareas de alta destreza que involucran materiales flexibles y manipulación fina, aplicaciones que tradicionalmente han permanecido difíciles para los robots industriales convencionales porque requieren programación extensiva y reingeniería frecuente.

Las instalaciones de producción de Audi, que ya utilizan un alto grado de automatización, proporcionan un entorno de prueba para sistemas robóticos basados en aprendizaje capaces de adaptarse a cambios en los requisitos de producción. Los socios están explorando cómo los modelos de Video-Acción pueden reducir el esfuerzo de ingeniería, acelerar el despliegue de robots y expandir la automatización en operaciones de manufactura y logística.

Mimic Robotics sostiene que al combinar la comprensión de video a gran escala con la predicción de acciones robóticas, FLUX-mimic representa un cambio hacia robots que aprenden nuevas habilidades industriales a partir de cantidades relativamente pequeñas de datos de demostración en lugar de depender de flujos de trabajo programados manualmente. El enfoque tiene como objetivo mejorar la flexibilidad en la manufactura mientras hace que la automatización robótica sea más práctica para entornos de producción complejos y variables.

Esta innovación tiene implicaciones significativas para la industria manufacturera global. La capacidad de entrenar robots con menos datos y en menos tiempo podría democratizar la automatización robótica, permitiendo que empresas más pequeñas y medianas adopten tecnología robótica avanzada sin las inversiones masivas en programación y reingeniería que actualmente requieren. En sectores como la automotriz, donde la flexibilidad de producción es crítica para responder a cambios en la demanda y diseños de productos, sistemas como FLUX-mimic podrían acelerar significativamente los ciclos de innovación y reducir costos operativos.