Investigadores de la Escuela de Ingeniería Eléctrica de KAIST, liderados por el profesor Yoo Chang-dong, han desarrollado VOTP (Video Optimal TransPort), una innovadora tecnología de aprendizaje de IA física que extrae criterios de evaluación basados en la intención humana a partir de un número limitado de ejemplos en video. La investigación ha sido seleccionada como ponencia principal para ICML 2026.
VOTP aborda un cuello de botella fundamental en la IA física: el diseño de funciones de recompensa precisas que determinan el éxito o la seguridad de las acciones físicas. Tradicionalmente, esto requiere una extensa ingeniería manual o retroalimentación humana constante. VOTP automatiza el proceso analizando patrones de comportamiento de alto nivel en videos de ejemplo 'buenos' y 'malos', derivando criterios aplicables a acciones novedosas no puntuadas.
El marco funciona en diversas interfaces de hardware, incluyendo robots humanoides, brazos robóticos quirúrgicos y sistemas de navegación autónoma en fábricas inteligentes. Al aprender las intenciones humanas a partir de datos visuales mínimos, VOTP reduce significativamente la carga de entrenamiento para tareas robóticas complejas.
