Segun MarkTechPost (AI/ML News), Generalist AI ha presentado GEN-1.5, un modelo de base para robots que capta habilidades físicas a partir de una sola demostración. El sistema procesa entre 3 y 12 segundos de datos sensoriales y de movimiento, los cuales se introducen en un ventana de contexto de 30 segundos. Sin necesidad de ajustes de gradiente, entrenamiento específico ni programación manual, el robot ejecuta tareas físicas inmediatamente. En pruebas con diez actividades de manipulación distintas, el modelo logra un promedio de 59% de éxito (±10% desviación estándar) sin ninguna modificación posterior. Al aplicar cinco pasos de gradiente sobre cinco minutos de datos por tarea, el rendimiento sube hasta un 83% (±9%). Este mecanismo, denominado "prompthing físico", no fue diseñado intencionalmente, ni se basa en cambios arquitectónicos, ciclos de aprendizaje meta ni objetivos auxiliares. Su evolución se debe a más de ocho meses de entrenamiento continuo con datos de interacción física recopilados en hogares, almacenes y fábricas.
El modelo integra múltiples tipos de entrada: video, señales sensoriales, lenguaje y percepción corporal, manteniendo una memoria de 30 segundos y generando trayectorias de acción a 100 Hz. Los datos se cargan mediante una interfaz de arrastrar y soltar, donde se inserta un ejemplo sensoriomotor. La ventana restante almacena observaciones en tiempo real, permitiendo al sistema adaptarse dinámicamente. Lo que destaca es que el comportamiento emergente se desarrolló sin intervención directa en el diseño del algoritmo. Aunque los desafíos técnicos y operativos aún son significativos, este avance representa la primera vez que un modelo de IA generalista logra aprender habilidades físicas de forma escalable en un solo ejemplo.
Para el lector peruano, este desarrollo resalta la evolución de las tecnologías de inteligencia artificial en entornos prácticos. Aunque actualmente GEN-1.5 no está disponible públicamente ni mediante API, su existencia sugiere que el futuro de la automatización puede incluir soluciones más rápidas y flexibles. En contextos como la logística de distribución, la atención en centros de salud o la manufactura local, la capacidad de un robot de aprender tareas nuevas desde una demostración podría reducir costos operativos y acelerar la adopción de tecnologías. Sin embargo, la falta de acceso directo y la ausencia de productos comerciales indican que aún se encuentra en fase de investigación. Para empresas o emprendedores peruanos, el verdadero valor está en observar cómo estas innovaciones se traducen en soluciones adaptadas al entorno local, no en su inmediata implementación.