AGIBOT presentó GO-3 Preview, un modelo fundacional de IA encarnada diseñado para conectar el preentrenamiento, el posentrenamiento y el aprendizaje tras el despliegue, según informó inicialmente Roboticsandautomationnews. El enfoque busca que los robots sigan mejorando después del despliegue, mediante la práctica física y virtual y los aprendizajes obtenidos de tareas del mundo real, en lugar de considerar el preentrenamiento como la meta final.
GO-3 Preview ocupa el primer puesto en RoboDojo, RoboTwin y RoboColiseum. AGIBOT afirma que publicará el modelo íntegramente como código abierto antes de que termine 2026.
La arquitectura World Reasoning Action Model (WRAM) del modelo combina la comprensión de tareas, las predicciones de estados futuros y la generación de acciones. AGIBOT presenta esta combinación como una forma de ayudar a los robots a transferir habilidades entre tareas, en lugar de depender de movimientos fijos para situaciones conocidas.
GO-3 Preview se complementa con Genie Evolver para el posentrenamiento y Genie Master para el despliegue. Genie Evolver combina una flota de 100 robots físicos con simulación física y modelos del mundo, y utiliza la ejecución y la exploración virtual para perfeccionar estrategias de acción mediante retroalimentación.
Genie Master conecta la planificación, la ejecución, la retroalimentación y la retención de experiencias. Su marco de trabajo puede aprovechar en la memoria a largo plazo lo aprendido de intentos exitosos y fallidos, mientras que las trayectorias registradas y la retroalimentación también pueden contribuir al entrenamiento adicional de políticas de acción.
AGIBOT presentó Genie Master con su robot Genie G2 en una tienda de conveniencia real. La empresa afirma que el robot identificó las causas de los fallos en las tareas, ajustó sus estrategias y mejoró en tareas complejas de manipulación sin demostraciones humanas ni ajustes manuales.
Este diseño convierte el despliegue en otra etapa de aprendizaje, no en el final del desarrollo del modelo. AGIBOT afirma que publicará GO-3 Preview íntegramente como código abierto antes de que termine 2026.