# LANGUAGE-FORCING mejora el éxito de los robots humanoides

> El nuevo método de entrenamiento eleva del 53% al 71% el éxito de los robots en tareas reales, sin aumentar el costo de ejecución.

Oossa · 2026-10-20 · https://oossa.com/es/language-forcing-boosts-humanoid-robot-task-success

Un equipo de investigadores dirigido por Yanjun Li presentó LANGUAGE-FORCING, un método para entrenar modelos de acción y entorno para robots mediante descripciones en lenguaje del avance de las tareas. El método alinea las representaciones de texto de un modelo de visión y lenguaje congelado con las imágenes futuras que predice el robot. Solo añade carga durante el entrenamiento, por lo que el robot funciona a la misma velocidad que antes. En la prueba de referencia HumanoidArena obtuvo una tasa de éxito del 79.17%, 9.46 puntos por encima de la siguiente mejor política. En cinco tareas del mundo real, la tasa de éxito subió del 53.33% al 71.33%.

## Los hechos

- Artículo publicado el 2026-10-20 ("Tue Oct 20 2026").
- Éxito en HumanoidArena: 79.17%, 9.46 puntos por encima del competidor más fuerte.

## Por qué importa

Para quienes desarrollan robots humanoides, la técnica ofrece una mayor fiabilidad en las tareas sin reducir la velocidad del robot durante su funcionamiento.

## Fuentes y referencias

1. [Language-Forcing: Advancing Humanoid Loco-Manipulation via Semantic Alignment of Whole-Body World Action Models](https://arxiv.org/abs/2610.23894) – arXiv cs.RO, 2026-10-20

Última actualización: 2026-10-20