# Robota-Embed mejora el éxito de los robots al combinar visión, lenguaje y acción

> El nuevo modelo recupera experiencias previas de robots para mejorar el aprendizaje en contexto y elevar las tasas de éxito en tareas simuladas y reales.

Oossa · 2026-10-15 · https://oossa.com/es/robota-embed-boosts-robot-task-success-with-unified-vision-language-action-embed

Investigadores dirigidos por Yunze Liu presentaron Robota-Embed, un modelo de embeddings de visión, lenguaje y acción para robots. El modelo codifica en conjunto el estado actual, la entrada visual y las acciones; luego recupera continuaciones previas similares para usarlas como contexto. En las pruebas, elevó la tasa de éxito del 47% al 56% en el benchmark DROID‑Sim y del 86% al 93% en el subconjunto difícil de LIBERO. El modelo también ayudó a una política GPT‑6 Astra congelada a completar con éxito cinco tareas de ManiSkill, con una tasa del 68%, frente al 24% de la política por sí sola.

## Los hechos

- Corpus de entrenamiento: 1,695,684 anclas depuradas; benchmark: 4,000 consultas y una galería de 8,000 entradas
- Publicado: 2026-10-15

## Por qué importa

Los desarrolladores de robots pueden usar Robota-Embed para mejorar el rendimiento en las tareas sin volver a entrenar las políticas, lo que ahorra recursos de cómputo y trabajo de recopilación de datos.

## Fuentes y referencias

1. [Robota-Embed: Unified VLA Embeddings for Robot In-Context Learning and Evolution](https://arxiv.org/abs/2610.19495) – arXiv cs.RO, 2026-10-15

Última actualización: 2026-10-15