El cómputo para entrenar movimientos de robots cae drásticamente: ¿por qué Nomura da más importancia a la uniformidad del hardware?

El cómputo de entrenamiento se redujo más de mil veces: ¿qué mejoró exactamente?

SuperMimic redujo considerablemente los requisitos de entrenamiento para controlar los movimientos de todo el cuerpo de un robot humanoide: los autores del artículo afirman que, tras tres horas de entrenamiento con una sola GPU H100, su rendimiento superó al del modelo publicado de SONIC. Este último utilizó unas 21 mil horas de GPU para entrenarse, por lo que la reducción medida en horas de GPU supera las mil veces.
El rendimiento del seguimiento de movimientos también mejoró al reducirse el cómputo. En una prueba de referencia con 129,514 movimientos, SuperMimic falló 25 veces y SONIC falló 179 veces; SuperMimic logró cero fallos tras entrenarse con dos GPU durante 9.8 horas. Posteriormente, el controlador realizó una rodada lateral y un giro de 360 grados en un robot físico Unitree G1.

Los métodos tradicionales hacen que los robots repitan pruebas y corrijan errores en un simulador físico; cuanto mayor es la biblioteca de movimientos, mayores son las necesidades de cómputo. SuperMimic aprende primero cómo se mueve un mismo cuerpo y después permite que el controlador practique dentro de ese modelo corporal; distintos movimientos pueden reutilizar el mismo conjunto de reglas del cuerpo.
El ahorro procede tanto de la velocidad de entrenamiento como de la eficiencia del aprendizaje: con tamaños de lote habituales, practicar dentro del modelo es más de 10 veces más rápido que en el simulador. El modelo también puede proporcionar directamente información sobre la dirección en la que debe ajustarse un movimiento; este mecanismo por sí solo reduce unas 64 veces el número de pasos de práctica necesarios.
Cuando los datos de movimiento aumentaron de 1 hora a 264 horas, el error de predicción del modelo corporal se mantuvo estable, por lo que las necesidades de cómputo derivadas de los movimientos adicionales crecieron más lentamente. Sobre esta base, Nomura considera que la clave del avance es cambiar el lugar de práctica, en vez de añadir datos.

La comparación de «más de mil veces» no es totalmente equivalente: SuperMimic utilizó menos datos de movimiento, mientras que el volumen de datos de SONIC fue unas 2.3 veces mayor, y SuperMimic utilizó un modelo de GPU más reciente. Los autores del artículo consideran que estas diferencias no bastan para explicar la brecha de mil veces.
Los resultados se limitan a movimientos corporales sobre terreno llano y no incluyen la manipulación de objetos ni los terrenos complejos; el modelo corporal aprendió solo con datos de simulación y los movimientos de la prueba de referencia también formaban parte del entrenamiento. Por ello, Nomura lo considera un avance en el «cerebelo» del control del movimiento, cuyos límites de capacidad siguen circunscritos al control corporal.

La encuesta sectorial de Nomura muestra que unas 300 empresas chinas ya pueden ofrecer una función clave de control del movimiento, y que la ventaja previa de uno a dos años de Unitree en hardware y control del movimiento podría estar reduciéndose. A medida que el entrenamiento se simplifique aún más, el banco considera que la competitividad de Unitree dependerá más de los costes y la escala.
La posibilidad de reutilizar el software a gran escala depende de que los cuerpos de los robots sean suficientemente uniformes. La variación en la calibración de las articulaciones en las simulaciones del artículo fue de solo ±0.01 radianes; Nomura estima que, si las características de movimiento de más de 20 articulaciones son dispares, un mismo código de aprendizaje por refuerzo podría servir solo para unas pocas máquinas.
Según las estimaciones de Nomura, los actuadores representan aproximadamente entre 50% y 75% del coste de los componentes de un robot humanoide. El banco favorece a los fabricantes de robots completos y a los proveedores clave capaces de controlar la uniformidad, y considera que Unitree está en una posición más favorable que las empresas de modelos que desarrollan su propio hardware, porque la experiencia en producción masiva requiere años de acumulación. El factor vinculado al beneficio es la estabilidad de fabricación, y no simplemente la posesión de algoritmos de movimiento.