MotuBrain, de Shengshu Technology, establece el estándar de inteligencia incorporada, mientras que este tapado internacional encabeza dos listas

El «misterioso modelo» que lleva tres semanas dando que hablar en el ámbito de la inteligencia incorporada ha sido finalmente identificado. Hace unas semanas, un modelo llamado MotuBrain se aupó discretamente a lo más alto de dos importantes pruebas de referencia internacionales en comprensión del mundo físico y ejecución de acciones, lo que despertó una gran curiosidad en el sector. Recientemente, Shengshu Technology, conocida por su modelo de generación de vídeo Vidu, confirmó oficialmente que este modelo es su último producto comercial en el campo de la inteligencia incorporada.

Esta incursión en otros ámbitos dista mucho de ser un experimento casual. MotuBrain estableció nuevos récords en WorldArena (que evalúa la comprensión del mundo físico) y RoboTwin 2.0 (que evalúa la ejecución de acciones). En particular, en entornos complejos con perturbaciones aleatorias simuladas, fue el único modelo que logró una puntuación media superior a 95, lo que demuestra una gran capacidad de generalización.

«Ver y actuar»: rompiendo las barreras entre la percepción y la acción

A diferencia de los modelos tradicionales de «primero imaginar, luego actuar», MotuBrain adopta un innovador marco denominado «World Action Model». Este diseño de «ver y actuar» permite a los robots simular mientras toman decisiones, evitando que los errores de predicción y ejecución se agraven mutuamente y mejorando significativamente la velocidad de respuesta.

En demostraciones prácticas, los robots equipados con este sistema mostraron un alto nivel de inteligencia. En un escenario de olla caliente, el robot podía determinar visualmente si la cuchara estaba vacía y decidir de forma autónoma si debía volver a cogerla, en lugar de repetir rígidamente acciones predefinidas. Esta capacidad de «leer la escena» marca la transición de los robots de la simple ejecución mecánica a la verdadera toma de decisiones inteligente.

Un cerebro, múltiples formas: ejecución fluida de tareas a largo plazo

La principal fortaleza de MotuBrain reside en su gran versatilidad. Adopta un enfoque de «un cerebro, múltiples formas», adaptándose a cuerpos robóticos con diferentes grados de libertad y configuraciones de sensores, al tiempo que gestiona tareas de largo plazo. En demostraciones como el arreglo floral, la preparación de cócteles y el ordenado del sofá, el robot puede completar más de diez acciones atómicas en secuencia, con un proceso fluido que no requiere intervención humana.

Los datos muestran que, a medida que aumenta la variedad de tareas, la tasa de éxito en el aprendizaje de MotuBrain tiende a mejorar. Esto indica que el modelo ha captado las leyes universales subyacentes del mundo físico, en lugar de memorizar plantillas de acciones. Cuanto más diversas son las tareas, mejor es su rendimiento.

Establecer una presencia en el mundo físico, seguir una doble vía en los ámbitos digital y físico

La fortaleza demostrada por Shengshu Technology proviene de su sólida base técnica. A través de la arquitectura U-ViT, pionera en el mundo, la empresa unificó la generación del mundo digital (VGM) y la ejecución en el mundo físico (WAM). Por un lado, Vidu genera mundos virtuales, mientras que, por otro, MotuBrain impulsa las interacciones físicas. Esta estrategia de doble vía le confiere una ventaja significativa en cuanto a los costes de adquisición de datos y la velocidad de iteración de los modelos.

Actualmente, Shengshu Technology ha establecido alianzas estratégicas con varias empresas, entre ellas WuJie Dynamics y XingChen Intelligence. A medida que la competencia en inteligencia incorporada cambia de enfoque, los desarrolladores de modelos con un «cerebro» de uso general se están convirtiendo en fuerzas clave que están redefiniendo el panorama del sector.