Un humanoide de 23 grados de libertad completó 98 de 100 ensayos físicos sobre escaleras, una plataforma de 40 centímetros, un hueco de 70 centímetros, piedras de paso y escaleras en reversa sin visibilidad trasera del terreno. El resultado corresponde a STEP (Spatiotemporal Training with Explicit Prediction), un framework de una sola etapa que aprende de forma conjunta una política de locomoción y su representación multimodal de control, de acuerdo con el artículo difundido en arXiv por investigadores de la Universidad de Ciencia y Tecnología de China (USTC) y Noetix Robotics.
El diseño articula dos objetivos predictivos sobre un mismo codificador: una predicción enmascarada bidireccional que supervisa las relaciones cuerpo-terreno en un mismo instante, y un predictor condicionado por la acción que proyecta el estado actual y la acción ejecutada hacia el siguiente estado fusionado, con un objetivo de media móvil exponencial definido en el espacio de la representación de política. Cuatro consultas aprendidas agregan tokens de profundidad y propiocepción en un estado compacto de 64 dimensiones; el entrenamiento se realiza junto con PPO y una regularización SIGReg para evitar el colapso latente. Los cabezales de predicción y los codificadores objetivo se omiten en el despliegue, por lo que la inferencia opera solo con observaciones actuales.
Las comparaciones en simulación reportan mejoras generales en el cruce de terrenos frente a alternativas de fusión y ablaciones, mientras que los experimentos de pérdida y retraso de profundidad muestran beneficios de ambos objetivos predictivos bajo entrada visual degradada. El equipo está integrado por Youhao Lyu (USTC), Chenghao Sun, Ziyang Dong y Wenhao Cui (Noetix Robotics), Zhenxuan Ding (BUCT) y Shuting Zhang (NUDT), con Wenhao Cui como autor de correspondencia.
En corto: El framework STEP, publicado en arXiv, reporta 98 de 100 ensayos exitosos en un humanoide Noetix E1 con sensórica a bordo; la validación se limita a simulación y pruebas de hardware descritas por los autores, sin despliegue comercial anunciado.