Resumen Técnico: Modelos de Adaptación de Campo Continuo (CFAMs) para la IA Física Post-Despliegue

1. Planteamiento del Problema

El artículo aborda una brecha crítica en la IA física de misión crítica (p. ej., defensa, respuesta ante desastres, exploración de aguas profundas): la incapacidad de los sistemas autónomos desplegados para adaptarse a condiciones de campo novedosas y ligeramente fuera de la distribución (OOD) sin sufrir un olvido catastrófico o requerir un reentrenamiento extensivo.

Los sistemas autónomos actuales dependen de dos paradigmas: vigilancia (solo observación) o ataque de un solo golpe (acción pre-comprometida). Ninguno interactúa con el entorno ni se adapta a él. La construcción de sistemas adaptativos para estos dominios enfrenta tres desafíos específicos:

1. Escasez de Datos: Los entornos de misión crítica son peligrosos y restringidos, ofreciendo solo puñados de demostraciones en lugar de los miles requeridos por los modelos modernos de aprendizaje robótico.
2. Restricciones de Cómputo: Los activos (p. ej., drones, cuadrúpedos en minas) operan en dispositivos de borde con energía y memoria limitadas, desconectados de los centros de datos, lo que imposibilita el reentrenamiento centralizado o la destilación de modelos grandes.
3. Novedad en el Campo: El despliegue introduce nuevas disposiciones de objetos, cargas y terrenos. Un modelo congelado se degrada en estos casos, mientras que las actualizaciones in situ corren el riesgo de "olvido catastrófico" de las habilidades previamente aprendidas.

El artículo define el Régimen de Aprendizaje de Campo, caracterizado por conectividad intermitente, supervisión episódica y restricciones estrictas del ciclo de control en tiempo real. Una arquitectura para este régimen debe satisfacer cuatro requisitos:

• R1 (Aprendizaje Eficiente): Construir competencia a partir de demostraciones de pocos disparos (few-shot).
• R2 (Crecimiento Tipificado): Distinguir entre la corrección de errores familiares y la extensión hacia nuevas instancias dentro de la misma familia.
• R3 (Consolidación Acotada): Fusionar la competencia redundante bajo una huella de memoria fija para evitar la interferencia.
• R4 (Crecimiento Factible en el Campo): Escribir nuevo conocimiento en un solo paso, sin gradientes, en el dispositivo y dentro del ciclo de control.

2. Metodología: Arquitectura CFAM

Los autores proponen los Modelos de Adaptación de Campo Continuo (CFAMs), una arquitectura inspirada en el cerebro basada en Sistemas de Aprendizaje Complementario (CLS). El sistema separa el aprendizaje en un componente de aprendizaje lento (congelado tras el despliegue) y un componente de aprendizaje rápido (actualizado continuamente en el dispositivo).

2.1 Componentes Centrales

La arquitectura consta de cuatro piezas funcionales:

1. Corteza Sensorial (Aprendizaje Lento):

   • Función: Eleva entradas multimodales (visión, LiDAR, táctil) a una geometría estable y anclada en 3D.
   • Implementación: Utiliza ScatterNet Hybrid Deep Learning (SHDL), un codificador semi-supervisado inspirado en el cerebro. Genera un embedding discriminativo ($z$) y señales de eventos sensoriales, elevando la escena a una representación 3D (nubes de puntos) para extraer anclajes relevantes para la tarea (centroides de objetos, puntos de agarre).
   • Restricción: Congelado tras el laboratorio; proporciona el sustrato estable para la percepción.

2. Corteza de Razonamiento (Aprendizaje Lento):

   • Función: Descompone tareas de alto nivel en una secuencia de habilidades y juzga los resultados.
   • Implementación: Un Modelo de Lenguaje-Visión (VLM) personalizado, congelado tras el despliegue. Actúa como un Secuenciador de Cápsulas (recuperando planes de habilidades) y un Oráculo de Resultados (verificando el progreso semántico de la tarea).
   • Restricción: Solo lectura; no aprende en el campo.

3. Corteza de Acción (Aprendizaje Lento):

   • Función: Ejecuta habilidades recuperando cápsulas almacenadas y deformándolas sobre la escena 3D actual.
   • Implementación: Utiliza la Transformación de Residuo Geométrico (GRT). En lugar de decodificar acciones cuadro a cuadro, recupera una "trayectoria semilla" almacenada y la deforma geométricamente para que coincida con los anclajes de la escena actual (p. ej., posición del objeto).
   • Eficiencia: Reduce las llamadas de decodificación de acción de $T$ (pasos de control) a $M$ (fases de la habilidad), donde $M \ll T$.

4. Campo de Cápsulas (Memoria de Aprendizaje Rápido):

   • Función: El "hipocampo" del sistema, que almacena la nueva competencia adquirida en el campo.
   • Unidad: La Cápsula de Competencia (CC). Un registro compacto que contiene:
     • Clave de Situación ($h_i$): Un código binario para la recuperación.
     • Corrección de Percepción ($\Delta z_i$): Desplaza el embedding sensorial.
     • Corrección de Acción ($\Delta a_i$): Un residuo que se añade a la salida de la política base.
     • Ancla de Acción ($a^*_i$): La trayectoria semilla y los anclajes 3D.
     • Etiqueta de Régimen ($\psi_i$): Distingue entre CORR (corrección de errores familiares) y EXT (extensión a nuevas instancias dentro de la misma familia).
   • Restricción: Todas las cápsulas viven en un presupuesto de memoria fijo en el dispositivo de borde.

2.2 El Mecanismo de Aprendizaje: CFUR

La Regla de Actualización de Campo Continuo (CFUR) gobierna cómo el sistema aprende en el campo sin gradientes:

• Disparador: Se escribe una nueva cápsula solo cuando la confianza de la política base cae y la distancia de recuperación indica que la situación está en el "borde" del soporte de una habilidad almacenada, y la ejecución es verificada como exitosa por un objetivo de fase anclado en sensores ($\Phi_{succ}$).
• Proceso:
  1. Captura: El sistema identifica un éxito cercano al OOD (fuera de la distribución) verificado (p. ej., un agarre con una carga más pesada o un objeto ocluido).
  2. Escritura: Se crea una nueva Cápsula de Competencia en un solo paso hacia adelante y una inserción de memoria. No se computan gradientes; la base congelada permanece intacta.
  3. Consolidación: Las cápsulas redundantes se fusionan y las cápsulas no utilizadas decaen (mecanismo de persistencia) para mantener un presupuesto de memoria fijo.
• Crecimiento: La biblioteca crece añadiendo nuevas cápsulas en los bordes de los envoltorios de habilidades existentes, permitiendo al sistema generalizar a nuevas variaciones sin reentrenar la base.

3. Contribuciones Clave

1. Arquitectura (CFAM): Una clase de modelo de adaptación de campo de extremo a extremo para la IA Física. Introduce un cambio en la unidad de inferencia (emisiones de cápsulas por habilidad vía GRT) y un cambio en la unidad de aprendizaje (escritura de cápsulas de un solo paso y sin gradientes).
2. Dataset: Un nuevo dataset propio multi-embodiament (Skylark) que contiene más de 2.6 millones de trayectorias a través de cinco plataformas físicas (manipulador, cuadrúpedo, humanoide, cuadricóptero y vehículo todoterreno). Todos los modelos de referencia se entrenan en este mismo dataset para una comparación justa.
3. Aprendizaje Eficiente en el Laboratorio: CFAM alcanza el punto operativo de una política estándar entrenada con el 100% de los datos utilizando solo el 40% de ellos (2.5 veces menos trayectorias).
4. Crecimiento Autónomo Post-Despliegue: CFAM captura autónomamente casos exitosos cercanos al OOD verificados, aumentando el éxito de la acción en 13.9 puntos porcentuales (del 74.0% al 87.9%) en el flujo de variación, mientras que las líneas de base de adaptación (LoRA, MemoryVLA) fallan en mejorar o incluso se degradan.
5. Retención: En simulación secuencial, CFAM retiene la competencia previa con una transferencia hacia atrás de -0.5 puntos porcentuales, comparado con -11.4 puntos porcentuales de LoRA, demostrando un olvido catastrófico casi nulo.

4. Resultados Experimentales

El artículo valida CFAM a través de benchmarks sintéticos (SimplerEnv, LIBERO) y cinco plataformas robóticas del mundo real.

• Fase de Construcción (Etapas A y B):

  • CFAM supera a las políticas estándar ($\pi_0$, CogACT, SpatialVLA) entrenadas con los mismos datos.
  • En el conjunto de prueba reservado ($D_{test}$), CFAM logra una ventaja de +9.7 pp sobre la mejor línea de base de datos emparejado.
  • Construcción de un solo disparo (una demostración por tarea) generaliza a través de las cinco morfologías.

• Fase de Crecimiento (Etapa C):

  • En el flujo de variación ($D_{var}$), CFAM captura éxitos verificados de forma autónoma.
  • Resultado: El éxito de la acción aumenta del 74.0% al 87.9% (+13.9 pp).
  • Líneas de base: Las líneas de base basadas en gradientes (LoRA) y de memoria aumentada (MemoryVLA, CronusVLA) no muestran mejoras o presentan degradación de rendimiento bajo la misma exposición.

• Fase de Retención (Etapa D):

  • En una suite de simulación secuencial (5 entornos), CFAM mantiene el desempeño en tareas anteriores.
  • Olvido: Solo el 2.1% de las tareas previas pierden más del 5% de éxito.
  • Comparación: LoRA sufre un 34.7% de olvido catastrófico.

• Ablaciones:

  • Eliminar el controlador del campo de cápsulas cuesta 8.3 pp.
  • Eliminar la consolidación cuesta 3.0 pp.
  • La combinación de los regímenes de Corrección (CORR) y Extensión (EXT) produce ganancias sinérgicas que superan la suma de sus contribuciones individuales.

5. Significado y Reivindicaciones

El artículo afirma que CFAM proporciona una forma acotada de inteligencia física post-despliegue. Demuestra que:

1. El aprendizaje puede ser continuo sin reentrenamiento: Los sistemas pueden aumentar su competencia autónomamente tras dejar el laboratorio escribiendo en una memoria separada de aprendizaje rápido, dejando intacto el sustrato de aprendizaje lento (el "cerebro").
2. La eficiencia de datos es alcanzable: Se pueden construir políticas de alto rendimiento con significativamente menos datos de entrenamiento (40%) aprovechando la arquitectura de cápsulas.
3. El olvido puede mitigarse por diseño: Al separar el aprendizaje en subsistemas distintos y no interferentes (lento vs. rápido), el sistema evita el olvido catastrófico inherente al ajuste fino basado en gradientes.
4. La autonomía es posible en el campo: El sistema puede identificar, verificar y almacenar nuevas habilidades a partir de sus propias señales de ejecución sin etiquetas humanas o intervención del operador, siempre que los nuevos casos estén dentro del alcance de las familias de habilidades existentes.

Limitaciones Reconocidas por los Autores:

• El sistema maneja casos de cercanía al OOD (variaciones de habilidades conocidas), pero no maneja la novedad de mundo abierto (tareas u objetos completamente nuevos).
• Depende de la capacidad de la base congelada para proporcionar un punto de partida "suficientemente bueno"; no puede reparar deficiencias fundamentales en la percepción o actuación de la base.
• Los resultados de retención se validan actualmente en simulación; la retención en plataformas reales tras un crecimiento a largo plazo no ha sido probada.
• El sistema requiere una fase de "Construcción" con demostraciones humanas; no aprende desde cero en el campo.

En resumen, CFAM ofrece una solución estructural al dilema estabilidad-plasticidad en la IA física, permitiendo que las máquinas "sigan creciendo" en entornos peligrosos y con escasez de datos, preservando al mismo tiempo lo que ya han aprendido.