Sábado, 5 de septiembre de 2026Apoyar

Aube.

Las noticias del progreso
Original y traducción

AGIBOT publica 11.430 trayectorias robóticas reales

Salir de la comparación

Las dos versiones están alineadas bloque a bloque, en el orden del texto: titular, lo esencial y después párrafo a párrafo. Cuando la traducción ha fusionado o dividido un párrafo, la casilla correspondiente queda vacía — nunca emparejamos dos pasajes a ojo.

Original · inglés
AGIBOT releases 11,430 real-world robot trajectories
Traducción · español
AGIBOT publica 11.430 trayectorias robóticas reales
Original · inglés
AGIBOT's WORLD 2026 dataset covers 14 industrial and household tasks.
Traducción · español
El conjunto de datos WORLD 2026 de AGIBOT cubre 14 tareas industriales y domésticas.
Original · inglés
It includes successful and failed autonomous attempts, plus human takeovers and corrections.
Traducción · español
Incluye intentos autónomos exitosos y fallidos, además de tomas de control y correcciones humanas.
Original · inglés
Annotations record progress, errors, disturbances and interventions for reinforcement-learning research.
Traducción · español
Las anotaciones registran el progreso, los errores, las perturbaciones y las intervenciones para investigar el aprendizaje por refuerzo.
Original · inglés

A robot's failed attempt is part of the record in AGIBOT's open-source release. The Chinese robotics company has published 11,430 real-world robot trajectories across 14 industrial and household tasks, capturing not only successful actions but also breakdowns and the moments when human operators step in.

Traducción · español

El intento fallido de un robot forma parte del registro en el lanzamiento de código abierto de AGIBOT. La empresa china de robótica ha publicado 11.430 trayectorias robóticas reales correspondientes a 14 tareas industriales y domésticas, y ha capturado no solo acciones exitosas, sino también fallos y los momentos en que intervienen operadores humanos.

Original · inglés

The dataset targets reinforcement learning, in which robots improve from experience, and embodied AI, where learning is tied to interaction with the physical world. That makes it different from collections built mainly around successful expert demonstrations: AGIBOT's WORLD 2026 Theme 3 also records what happens when a learned policy struggles in an actual environment.

Traducción · español

El conjunto de datos está orientado al aprendizaje por refuerzo, en el que los robots mejoran a partir de la experiencia, y a la IA incorporada, donde el aprendizaje está ligado a la interacción con el mundo físico. Esto lo diferencia de las colecciones centradas principalmente en demostraciones exitosas de expertos: el Tema 3 de WORLD 2026, de AGIBOT, también registra qué ocurre cuando una política aprendida tiene dificultades en un entorno real.

Original · inglés

The records fall into three groups. Expert demonstrations show human operators completing tasks. Autonomous policy rollouts show robots attempting tasks independently, with 1,024 successful and 1,369 failed attempts included. Human-in-the-loop trajectories capture the robot's behavior before an operator takes control, followed by the corrective actions used to recover or complete the task.

Traducción · español

Los registros se dividen en tres grupos. Las demostraciones de expertos muestran a operadores humanos completando tareas. Las ejecuciones de políticas autónomas muestran a robots intentando realizar tareas de forma independiente, con 1.024 intentos exitosos y 1.369 fallidos. Las trayectorias con intervención humana capturan el comportamiento del robot antes de que un operador tome el control, seguido de las acciones correctivas utilizadas para recuperar o completar la tarea.

Original · inglés

The useful detail is in the annotation. AGIBOT says the dataset marks task progress, completion status, errors, environmental disturbances and human interventions. Researchers can therefore study not just whether a robot succeeded, but where its behavior failed and how guidance helped it recover—signals that clean demonstrations alone do not provide.

Traducción · español

El detalle útil está en las anotaciones. AGIBOT afirma que el conjunto de datos marca el progreso de las tareas, el estado de finalización, los errores, las perturbaciones del entorno y las intervenciones humanas. Por tanto, los investigadores pueden estudiar no solo si un robot tuvo éxito, sino también dónde falló su comportamiento y cómo la orientación le ayudó a recuperarse, señales que las demostraciones limpias por sí solas no ofrecen.

Original · inglés

Concretely, the open-source release gives researchers data to study failures, interventions and recovery rather than successful demonstrations alone. That could help move research toward robots that learn more continuously and operate more reliably in everyday settings. The company says additional datasets, benchmarks and research resources are still planned.

Traducción · español

En concreto, el lanzamiento de código abierto proporciona a los investigadores datos para estudiar fallos, intervenciones y recuperación, en lugar de limitarse a las demostraciones exitosas. Esto podría ayudar a orientar la investigación hacia robots que aprendan de forma más continua y funcionen con mayor fiabilidad en entornos cotidianos. La empresa afirma que todavía prepara conjuntos de datos adicionales, benchmarks y recursos de investigación.

Volver al artículo