Helix: Control avançat de robots humanoides

Helix és un innovador model Vision-Language-Action (VLA) dissenyat per revolucionar el control de robots humanoides. El seu enfocament combina percepció visual, comprensió del llenguatge i control d’accions, aconseguint avenços sense precedents en robòtica.

Entre les seves característiques més destacades, Helix és el primer VLA capaç de controlar en temps real la part superior del cos humanoide, coordinant moviments de canells, tors, cap i dits amb precisió. A més, permet la col·laboració entre múltiples robots, facilitant l’execució de tasques conjuntes sense entrenament previ amb objectes desconeguts.

Una altra gran avantatge és la seva capacitat de manipulació universal: els robots equipats amb Helix poden recollir gairebé qualsevol objecte domèstic petit seguint instruccions en llenguatge natural. Això és possible gràcies a una única xarxa neuronal, evitant la necessitat d’ajustaments específics per a cada tasca.

El seu disseny també el fa llest per al mercat, ja que s’executa de manera eficient en GPUs de baix consum, facilitant-ne la implementació comercial immediata.

Escalabilitat en la robòtica per a la llar

Un dels majors reptes en robòtica és l’adaptació a l’entorn domèstic, on els objectes varien en mida, forma, textura i disposició. A diferència dels entorns industrials controlats, les llars presenten una complexitat difícil d’abordar amb mètodes tradicionals.

L’enfocament convencional requereix milers d’hores de programació manual o recopilació de dades d’entrenament, fet que resulta poc pràctic i costós. No obstant això, la intel·ligència artificial ha demostrat que és possible generar comportaments intel·ligents a partir del llenguatge i la visió. Helix aprofita aquesta capacitat per transformar el coneixement semàntic dels models de visió-llenguatge en accions robòtiques generalitzables, permetent l’adaptació instantània a noves tasques sense entrenaments extensius.

Arquitectura del model Helix

Helix introdueix una arquitectura única basada en dos sistemes complementaris:

• Sistema 2 (S2): Un model de llenguatge-visió preentrenat a internet que opera a 7-9 Hz, encarregat de la comprensió de l’entorn i la planificació de tasques.
• Sistema 1 (S1): Un model de control reactiu i ràpid que tradueix les representacions semàntiques de S2 en accions robòtiques precises a 200 Hz.

Aquesta separació permet que S2 processi informació d’alt nivell mentre S1 executa els moviments en temps real. Per exemple, durant una tasca col·laborativa, S1 pot ajustar els moviments segons les accions d’un segon robot, mentre que S2 manté l’objectiu semàntic general.

Dades i entrenament

L’entrenament de Helix es basa en 500 hores de dades de teleoperació, on es capturen diverses manipulacions robòtiques. Per generar instruccions d’entrenament, s’utilitza un model de llenguatge que analitza els vídeos i respon a la pregunta: “Quina instrucció hauria portat el robot a realitzar aquesta acció?”.

L’arquitectura inclou:

• S2: Un model de llenguatge-visió de 7 mil milions de paràmetres, encarregat de processar imatges i ordres de text, convertint-los en una representació semàntica compacta.
• S1: Un model transformer de 80 milions de paràmetres, que rep la representació semàntica de S2 i la utilitza per generar moviments precisos.

L’entrenament és completament end-to-end, permetent a Helix operar sense necessitat d’ajustaments específics per a cada tasca. A més, el seu disseny optimitza la inferència en temps real amb GPUs de baix consum, dividint la càrrega de treball entre els models d’alt i baix nivell.

Resultats i aplicacions

Control precís de la part superior del cos humanoide

Helix pot coordinar 35 graus de llibertat en temps real, controlant moviments de mans, cap i tors de manera fluida. Gràcies al seu enfocament basat en visió i llenguatge, el model permet un seguiment precís dels objectes mentre ajusta la seva postura per optimitzar l’abast.

Col·laboració entre múltiples robots

Un dels avenços més notables és la capacitat de coordinació entre robots en temps real. En proves, dos robots equipats amb Helix van aconseguir emmagatzemar objectes en un rebost sense entrenament previ. La comunicació es va basar únicament en ordres de llenguatge natural, com ara “Passa la bossa de galetes al robot de la dreta”.

Generalització de tasques sense entrenament previ

Helix demostra una notable capacitat de generalització, permetent als robots recollir objectes mai vistos sense entrenament específic. Simplement amb ordres com “Recull l’objecte del desert”, el model pot identificar un cactus de joguina i executar l’agafada adequada.

Aquesta habilitat permet als robots manipular objectes de diferents formes i materials sense necessitat de programació manual, obrint possibilitats en entorns domèstics i comercials.

Conclusió

Helix representa un canvi significatiu en la robòtica humanoide, permetent control en temps real de la part superior del cos humanoide, coordinació entre múltiples robots i manipulació d’objectes desconeguts sense entrenament previ. El seu enfocament basat en visió, llenguatge i acció elimina la necessitat de programació manual, fet que el fa ideal per a entorns domèstics i comercials. Amb futures millores, Helix podria ampliar encara més les capacitats dels robots humanoides, apropant-nos a una automatització més versàtil i intuïtiva.

Preguntes i Respostes

Què és Helix i en què es diferencia d’altres models robòtics?

Helix és un model Vision-Language-Action (VLA) que permet als robots humanoides controlar la part superior del cos en temps real, manipular objectes desconeguts i col·laborar amb altres robots sense programació manual. El seu enfocament basat en intel·ligència artificial elimina la necessitat d’entrenaments específics per a cada tasca.

Com aconsegueix Helix generalitzar tasques sense entrenament previ?

Helix combina un model de llenguatge-visió (S2) amb un model de control reactiu (S1). S2 analitza l’entorn i genera representacions semàntiques, mentre que S1 tradueix aquestes representacions en moviments precisos. Això permet que el robot respongui a ordres en llenguatge natural sense necessitat d’entrenaments extensius.

Quins avantatges ofereix Helix per al control de robots humanoides?

• Control de 35 graus de llibertat en temps real.
• Capacitat de col·laboració entre robots sense programació addicional.
• Manipulació d’objectes mai vistos amb ordres en llenguatge natural.
• Implementació en GPUs de baix consum, facilitant-ne l’adopció comercial.

On es pot aplicar Helix en la vida quotidiana?

Helix és ideal per a automatització domèstica i comercial, com en assistents robòtics a la llar, magatzems automatitzats o indústries de fabricació on es requereix manipulació precisa d’objectes diversos.

Quin és el futur de Helix en la robòtica humanoide?

Helix és només el començament. A mesura que s’escali la seva capacitat i se n’optimitzi el rendiment, podria permetre robots completament autònoms en entorns domèstics i laborals, amb interaccions naturals i sense necessitat d’entrenament manual.