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.
A robot that can picture the result of its own movement before making it is no longer a thought experiment. At Seoul National University, a team led by Professor Jaeyoung Do of the AIDAS Lab has built a system that reads a spoken or written request, imagines the finished scene, and then moves the arm to get there. In the team's own tests across four real-world manipulation settings, the system, called Dynin-Robotics, succeeded 78.4% of the time on average.
Un robot capaz de imaginar el resultado de su propio movimiento antes de ejecutarlo ya no es un experimento mental. En la Universidad Nacional de Seúl, un equipo dirigido por el profesor Jaeyoung Do, del laboratorio AIDAS, ha desarrollado un sistema que interpreta una petición hablada o escrita, imagina la escena terminada y, a continuación, mueve el brazo para alcanzarla. En las pruebas del propio equipo, realizadas en cuatro escenarios reales de manipulación, el sistema, llamado Dynin-Robotics, tuvo éxito el 78,4 % de las veces de media.
The problem it addresses is familiar to anyone who has watched a robot fail in an unfamiliar kitchen. A robot can repeat a movement it learned under fixed conditions, but real tasks change: the cup sits somewhere new, the drawer is shaped differently, and people ask for things in different words. Recent systems have used large language models, the text engines behind chatbots, to understand requests, and video-generation models to predict what comes next. The Seoul team merged both abilities into a single model, so that understanding the instruction, predicting the outcome and generating the movement are learned together.
El problema que aborda es familiar para cualquiera que haya visto fallar a un robot en una cocina desconocida. Un robot puede repetir un movimiento aprendido en condiciones fijas, pero las tareas reales cambian: la taza está en un lugar nuevo, el cajón tiene otra forma y la gente pide las cosas con otras palabras. Los sistemas recientes han utilizado grandes modelos de lenguaje, los motores de texto que hay detrás de los chatbots, para comprender las peticiones, y modelos de generación de vídeo para predecir lo que viene después. El equipo de Seúl ha fusionado ambas capacidades en un único modelo, de modo que comprender la instrucción, predecir el resultado y generar el movimiento se aprenden de forma conjunta.
The mechanism is simple to state. Given the camera image and the instruction, the model produces an image of the scene it expects once the task is done. That predicted image then either serves as a reference for generating the movement, or is used to score several candidate movements and keep the most suitable one. In simulated fruit-picking and flower-arrangement tasks, a model trained this way handled indirect requests such as "Put in the flower that symbolizes love" better than a model trained only to produce actions, which had to rely on the object being named directly.
El mecanismo es sencillo de describir. A partir de la imagen de la cámara y de la instrucción, el modelo produce una imagen de la escena que espera obtener una vez terminada la tarea. Esa imagen predicha sirve, bien como referencia para generar el movimiento, bien para puntuar varios movimientos candidatos y quedarse con el más adecuado. En tareas simuladas de recogida de frutas y de disposición de flores, un modelo entrenado de este modo gestionó mejor las peticiones indirectas, como «Pon la flor que simboliza el amor», que un modelo entrenado solo para producir acciones, que dependía de que el objeto se nombrara de forma directa.
Speed was the second problem. The team grouped the information needed for a sequence of actions and predicted it in parallel, and reused intermediate results that the computation would otherwise repeat. The action generator ran up to about 29.2 times faster than its unoptimized version, and up to about 36.6 times faster than the π0.5 model from Physical Intelligence, a US robot-AI company whose model was one of the comparisons.
La velocidad fue el segundo problema. El equipo agrupó la información necesaria para una secuencia de acciones y la predijo en paralelo, y reutilizó resultados intermedios que, de otro modo, el cálculo repetiría. El generador de acciones funcionó hasta unas 29,2 veces más rápido que su versión sin optimizar, y hasta unas 36,6 veces más rápido que el modelo π0.5 de Physical Intelligence, una empresa estadounidense de IA robótica cuyo modelo era una de las comparaciones.
What changes, and for whom? For now, the gain is scientific: a single model that links what a person says, what a scene will look like and how a robot should move, with a measured lead over two comparison systems. Robots that can carry out less rigid requests would matter first in warehouses, labs and homes, but the sources give no timeline, no product and no price, and the work is still a research paper on the arXiv preprint server. The paper has been accepted to NeurIPS 2026, one of the major artificial intelligence conferences, and is scheduled to be presented in December. The next evidence will come from whether the 78.4% holds once other teams run the same tests.
¿Qué cambia y para quién? De momento, el avance es científico: un único modelo que vincula lo que dice una persona, cómo será una escena y cómo debe moverse un robot, con una ventaja medida frente a dos sistemas de comparación. Los robots capaces de atender peticiones menos rígidas serían útiles, en primer lugar, en almacenes, laboratorios y hogares, pero las fuentes no ofrecen calendario, producto ni precio, y el trabajo sigue siendo un artículo de investigación publicado en el servidor de preprints arXiv. El artículo ha sido aceptado en NeurIPS 2026, una de las principales conferencias de inteligencia artificial, y está previsto que se presente en diciembre. La próxima prueba será comprobar si el 78,4 % se mantiene cuando otros equipos realicen las mismas pruebas.