Mentee Robotics, con sede en Israel, ha demostrado un flujo de trabajo logístico: dos humanoides MenteeBot V3 trabajan de forma autónoma para recoger y colocar contenedores. Se prefiere un Sistema de Agentes Modulares porque favorece la robustez en el mundo real y menores necesidades de computación sobre el modelo End-to-End VLA. Su arquitectura se compone de tres componentes: - Planificador LLM: Convierte instrucciones en código ejecutable de Robotic API Language para una descomposición de tareas confiable y manejo de errores. - Stack de Percepción: Utiliza modelos preentrenados (NeRF/3DGS, visión destilada) para la comprensión de escenas y navegación. - Políticas de Control: Modelos de Aprendizaje por Refuerzo (RL), entrenados a gran escala a través de Sim2Real, generan comandos de motor, permitiendo una manipulación móvil de alta precisión. Crucialmente, el robot aprende nuevas tareas a partir de una sola demostración en horas. El seguimiento de objetos utiliza geometría 3D (STL/URDF) rastreada en el video para definir la función de recompensa de RL. El entrenamiento se optimiza utilizando 'Aprendizaje Automático de Currículo', que ajusta de forma autónoma la dificultad de las tareas según el rendimiento del robot, eliminando la ingeniería manual. Todos los cálculos se realizan a bordo.

Especificaciones de hardware de MenteeBot V3