El robot Figure 01 demuestra su integración con OpenAI
Una nueva demostración del robot humanoide de Figure, estrechamente integrado con modelos de OpenAI, muestra cómo comandos en lenguaje natural se traducen en una manipulación fluida de objetos, despertando tanto admiración como escepticismo. Los comentaristas destacan el impresionante control de texto a servo, la destreza guiada por visión y el habla con matices humanos, mientras cuestionan cuánto está cherry-picked, cuán generales son realmente las capacidades y si la latencia y los límites de hardware frenarán su uso en el mundo real. Muchos lo ven como un primer vistazo a robots que realizan trabajo manual mediante instrucciones conversacionales, con implicaciones potencialmente profundas para la automatización y el valor relativo del trabajo físico frente al trabajo intelectual.
Impresiones generales
- Muchos consideran que la demostración es visual y conceptualmente impresionante, especialmente al ver capacidades al estilo GPT encarnadas en un robot humanoide.
- Otros se muestran poco impresionados por el lado de la IA, viéndolo sobre todo como “GPT-4 + visión + llamada de funciones” conectado a un robot, con un modelo del mundo muy simple.
De texto a movimiento y destreza
- La conexión de voz a servo / texto a acción es ampliamente destacada como lo más llamativo: el robot sigue comandos en lenguaje natural para realizar tareas físicas.
- Los comentaristas elogian la rapidez y fluidez de la manipulación de objetos, señalando que otras demostraciones de robots a menudo necesitan vídeo acelerado.
- Algunos enfatizan lo difíciles que son tareas como agarrar suavemente una manzana, colocar platos en un escurridor y pasar objetos a una mano en movimiento.
Realismo de la demo, cherry-picking y generalidad
- Muchos sospechan de un cherry-picking intenso: múltiples tomas hasta una ejecución perfecta, un entorno idealizado y tareas ajustadas exactamente a esa mesa, esos objetos y la posición humana.
- Hay debate sobre si los movimientos están “pregrabados” o si son políticas neuronales de extremo a extremo activadas por el LLM; una descripción general del sistema enlazada sugiere controladores neuronales, pero la generalidad sigue sin estar clara.
- Varios piden demostraciones en entornos variados o desordenados, con objetos arbitrarios, para probar la robustez.
- Hay comparación explícita con antiguas demostraciones de IA/robótica sobredimensionadas (p. ej., Bard, Gemini, vídeos estilizados de Boston Dynamics), lo que alimenta el escepticismo.
- Un comentarista afirma sin rodeos que el robot parece renderizado / CGI; otros no respaldan esa afirmación.
Voz, titubeos y latencia
- Varias personas notan “uh”s y titubeos realistas. Algunos lo encuentran inquietante o “simplificado”, mientras que otros sienten que aumentan la naturalidad.
- Varios atribuyen esto a los sistemas actuales de TTS (tipo OpenAI, ElevenLabs), donde una menor “estabilidad” o ciertos artefactos producen imperfecciones con aspecto humano.
- La latencia es una queja recurrente; la gente argumenta que los robots realmente conversacionales necesitan canalizaciones de extremo a extremo mucho más rápidas (ASR → LLM → control → TTS).
- La discusión toca hardware especializado de inferencia de baja latencia y modelos multimodales como cuellos de botella críticos.
Razonamiento, comportamiento y limitaciones
- El comportamiento inferido del robot (p. ej., tirar la basura en el cubo sin que se lo pidan) es elogiado como un ejemplo de “sentido común” al estilo LLM / razonamiento abductivo.
- Otros señalan fallos lógicos, como poner un plato presumiblemente sucio directamente en un escurridor; se sugiere la falta de memoria como causa.
- Algunos observan que el “mundo” sigue siendo extremadamente restringido; el consenso parece ser que la ruta a largo plazo probablemente pase por planificación simbólica general más múltiples subsistemas neuronales.
Trabajo, economía e impacto social
- Varios ven esto como un gran paso hacia el trabajo manual robótico, posiblemente antes del desplazamiento total de muchas tareas de trabajo intelectual.
- Otros expresan un profundo pesimismo sobre si esta tecnología llegará a ser realmente útil, asequible o socialmente beneficiosa, y esperan que termine como espectáculo de marketing o tecnología militar.
- Hay debate sobre si por fin estamos superando la visión tradicional de que “el trabajo manual es más difícil que la cognición”, y algunos sugieren que, una vez exista un robot capaz, enseñarle tareas físicas domésticas podría ser más fácil que el trabajo intelectual de alto nivel.