{"id":33825,"date":"2026-07-16T02:00:00","date_gmt":"2026-07-16T02:00:00","guid":{"rendered":"https:\/\/domosistemas.com\/?p=33825"},"modified":"2026-07-16T02:00:00","modified_gmt":"2026-07-16T02:00:00","slug":"investigadores-del-mit-desarrollan-una-ia-capaz-de-crear-entornos-3d-para-el-aprendizaje-de-robots","status":"publish","type":"post","link":"https:\/\/domosistemas.com\/?p=33825","title":{"rendered":"Investigadores del MIT desarrollan una IA capaz de crear entornos 3D para el aprendizaje de robots"},"content":{"rendered":"
\n

Investigadores del Instituto Tecnol\u00f3gico de Massachusetts (MIT<\/a>), a trav\u00e9s de su Computer Science and Artificial Intelligence Laboratory (CSAIL) y del Toyota Research Institute, han desarrollado SceneSmith, un sistema que utiliza agentes de inteligencia artificial para generar entornos interiores 3D destinados al entrenamiento de robots en simulaci\u00f3n. La herramienta crea escenas como restaurantes, dormitorios u hoteles con mayor nivel de detalle que m\u00e9todos anteriores, con el objetivo de reducir el tiempo dedicado a pruebas f\u00edsicas y ampliar los datos disponibles para el aprendizaje rob\u00f3tico.<\/p>\n

\"\"
El sistema SceneSmith del MIT utiliza tres agentes de IA para crear escenarios 3D realistas donde los robots pueden entrenar antes de operar en entornos reales.<\/figcaption><\/figure>\n

El trabajo aborda uno de los principales obst\u00e1culos de la rob\u00f3tica: la obtenci\u00f3n de datos de experiencia en escenarios variados. Aunque los motores f\u00edsicos para simuladores han avanzado en los \u00faltimos a\u00f1os, sigue siendo complejo producir contenidos suficientemente ricos y diversos para reproducir la complejidad del mundo real, especialmente en tareas dom\u00e9sticas, log\u00edsticas o industriales.<\/p>\n

SceneSmith genera escenas 3D con agentes de IA y modelos visi\u00f3n-lenguaje<\/h2>\n

SceneSmith opera con tres agentes basados en un modelo visi\u00f3n-lenguaje (VLM), en concreto GPT-5.2. El primero act\u00faa como dise\u00f1ador y define los elementos de la escena; el segundo ejerce como cr\u00edtico y revisa si el resultado es veros\u00edmil; y el tercero coordina el intercambio entre ambos y decide cu\u00e1ndo el dise\u00f1o est\u00e1 listo. Una vez completado este proceso, la escena puede cargarse directamente en software de simulaci\u00f3n f\u00edsica.<\/p>\n

Seg\u00fan el equipo, el sistema ha generado m\u00e1s de 1.300 escenas mediante un VLM entrenado con grandes vol\u00famenes de texto e im\u00e1genes de internet. A partir de instrucciones como crear un garaje con un coche, un banco de trabajo, neum\u00e1ticos apilados y una escalera apoyada en la pared, la herramienta produce espacios virtuales con objetos que los robots pueden manipular. Estas habitaciones incorporan hasta seis veces m\u00e1s elementos por escena que m\u00e9todos previos.<\/p>\n

Los entornos creados permiten ensayar tareas como colocar una taza en el fregadero, poner fruta en platos o mover una lata de refresco desde una estanter\u00eda hasta una mesa. En una prueba, los investigadores generaron 100 espacios \u00fanicos para evaluar distintos planes de acci\u00f3n, tambi\u00e9n denominados pol\u00edticas. Un agente VLM revis\u00f3 los intentos y detect\u00f3 fallos frecuentes en las acciones del robot; las evaluaciones humanas coincidieron con sus dict\u00e1menes en m\u00e1s del 99% de los casos.<\/p>\n

Pruebas de realismo, interacci\u00f3n f\u00edsica y comparaci\u00f3n con otros m\u00e9todos<\/h2>\n

Para analizar el realismo de los escenarios, el equipo introdujo en ellos una pol\u00edtica rob\u00f3tica preentrenada, basada en gran medida en datos del mundo real y que no hab\u00eda visto escenas de SceneSmith. En una prueba, ante la instrucci\u00f3n de tomar una manzana de un cuenco y colocarla sobre una tabla de cortar, el robot simulado complet\u00f3 la acci\u00f3n. Los investigadores tambi\u00e9n teleoperaron robots en los espacios virtuales para abrir armarios, guardar botellas y desplazarse entre habitaciones.<\/p>\n

El proceso generativo se desarrolla por fases. Los agentes crean primero un plano general, incorporan mobiliario, a\u00f1aden objetos en paredes y techos y, finalmente, introducen elementos manipulables por robots. Entre ellos figuran armarios articulados que pueden abrirse y cerrarse, un tipo de activo que no aparec\u00eda con frecuencia en referencias previas. El agente cr\u00edtico puede recomendar cambios, como retirar una ba\u00f1era de un sal\u00f3n, mientras que el coordinador puede hacer retroceder el dise\u00f1o si la calidad visual no resulta suficiente.<\/p>\n

Frente a sistemas de generaci\u00f3n de escenas como HSM y Holodeck, SceneSmith produjo entornos con m\u00e1s objetos, incluida una oficina privada, una tienda de cer\u00e1mica y una sala de videojuegos con tem\u00e1tica de Minecraft. En una evaluaci\u00f3n con m\u00e1s de 200 usuarios, los participantes consideraron que sus visuales eran m\u00e1s realistas en m\u00e1s del 90% de las ocasiones y observaron que, en general, segu\u00eda las instrucciones con mayor precisi\u00f3n que otros enfoques.<\/p>\n

El sistema tambi\u00e9n puede generar objetos 3D individuales. A partir de una petici\u00f3n para crear un carrito de servicio con ruedas, produce primero una imagen 2D y despu\u00e9s la transforma en un modelo detallado con propiedades f\u00edsicas como masa, fricci\u00f3n e inercia. Esta precisi\u00f3n tiene un coste temporal: la creaci\u00f3n de una sola escena puede requerir varias horas, debido a que los agentes generan y revisan cada objeto. El equipo espera mejorar la eficiencia con m\u00e1s capacidad de computaci\u00f3n y ampliar el sistema a objetos deformables, como esponjas, si existen bibliotecas 3D suficientemente extensas.<\/p>\n

La entrada Investigadores del MIT desarrollan una IA capaz de crear entornos 3D para el aprendizaje de robots<\/a> aparece primero en CASADOMO<\/a>.<\/p>\n<\/div>\n","protected":false},"excerpt":{"rendered":"

Investigadores del Instituto Tecnol\u00f3gico de Massachusetts (MIT), a trav\u00e9s de su Computer Science and Artificial Intelligence Laboratory (CSAIL) y del Toyota Research Institute, han desarrollado SceneSmith, un sistema que utiliza agentes de inteligencia artificial para generar entornos interiores 3D destinados al entrenamiento de robots en simulaci\u00f3n. La herramienta crea escenas como restaurantes, dormitorios u hoteles … Sigue leyendo Investigadores del MIT desarrollan una IA capaz de crear entornos 3D para el aprendizaje de robots<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-33825","post","type-post","status-publish","format-standard","hentry","category-casadomo-com"],"_links":{"self":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/33825","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=33825"}],"version-history":[{"count":0,"href":"https:\/\/domosistemas.com\/index.php?rest_route=\/wp\/v2\/posts\/33825\/revisions"}],"wp:attachment":[{"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=33825"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=33825"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/domosistemas.com\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=33825"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}