Investigadores del MIT desarrollaron Masked IRL, un método que usa modelos de lenguaje para aclarar instrucciones y enseñar robots con muchos menos datos. En simulaciones y con un brazo robótico real, el sistema evitó obstáculos y respetó preferencias del usuario que no estaban explicitadas.
Investigadores del MIT y colaboradores presentan un benchmark que compara algoritmos para juegos de información imperfecta y encuentran que los métodos de policy gradient, más generales, obtienen mejor rendimiento que algoritmos teóricos especializados. El trabajo resalta la importancia de evaluaciones rigurosas y tiene implicaciones prácticas para agentes que toman decisiones en entornos con información parcial.
Granite 4.1 es una familia de modelos decoder‑only (3B, 8B, 30B) entrenada en ~15T tokens, con fine‑tuning supervisado y RL para mejorar instrucciones, código y razonamiento. Destaca la extensión de contexto a 512K tokens y la publicación bajo Apache 2.0.
EcomRLVE‑GYM adapta el enfoque RLVE a asistentes de e‑commerce, ofreciendo ocho entornos verificables, una currícula de dificultad en 12 ejes y recompensas algorítmicas. El proyecto muestra que la escala del entorno y la dificultad adaptativa mejoran el desempeño en tareas agenticas reales.
Investigadores del MIT y Symbotic desarrollaron un método híbrido que combina aprendizaje por refuerzo profundo y planificación clásica para priorizar y rerutear robots en almacenes. En simulaciones inspiradas en layouts reales, la propuesta mejora el throughput en alrededor de 25% y se adapta a distintos entornos.