# SimVLA permite que los robots aprendan de simulaciones sin ejemplos previos

> Un modelo de visión, lenguaje y acción entrenado solo con datos sintéticos logró realizar tareas de manipulación móvil en hogares reales.

Oossa · 2026-10-09 · https://oossa.com/es/simvla-enables-zero-shot-robot-learning-from-simulation

Un equipo dirigido por Kyoungin Baik presentó SimVLA, un sistema que entrena modelos de visión, lenguaje y acción (VLA) exclusivamente con datos de robots simulados. Primero, el sistema aprende a partir de dos grandes conjuntos de datos simulados: SimAction, que abarca 35 tareas de manipulación móvil, y SimVQA, que añade supervisión detallada de visión y lenguaje. Tras un entrenamiento adicional con secuencias simuladas, SimVLA se puso a prueba en tareas reales, como reponer estantes, servir líquidos y limpiar. En estas pruebas superó a las políticas entrenadas con 50 demostraciones del mundo real, lo que demuestra que la simulación puede sustituir la costosa recopilación de datos en entornos reales.

## Los hechos

- SimAction abarca 35 tareas de manipulación móvil
- SimVLA superó a las políticas entrenadas con 50 demostraciones reales del mismo ámbito

## Por qué importa

Si los robots pueden aprender solo mediante simulaciones, los fabricantes podrían desarrollar asistentes domésticos de forma más rápida y económica.

## Fuentes y referencias

1. [SimVLA: Zero-Shot Sim-to-Real VLA Learning for Mobile Manipulation](https://arxiv.org/abs/2610.11248) – arXiv cs.RO, 2026-10-09

Última actualización: 2026-10-09