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 las cajas. Se prefiere un Sistema Modular de Agentes porque favorece la robustez real y menores necesidades de cómputo frente al modelo VLA de extremo a extremo. Su arquitectura se compone de tres componentes: - LLM Planner: Convierte instrucciones en código ejecutable del Robotic API Language para una descomposición fiable de tareas y manejo de errores. - Pila de Percepción: Utiliza modelos preentrenados (NeRF/3DGS, visión destilada) para la comprensión y navegación de escenas. - Políticas de Control: Modelos de Aprendizaje por Refuerzo (RL), entrenados a gran escala mediante Sim2Real, generan comandos motores, permitiendo la manipulación móvil de alta precisión. Lo crucial es que el robot aprende nuevas tareas a partir de una sola demostración en cuestión de horas. El seguimiento de objetos utiliza geometría 3D (STL/URDF) rastreada en el vídeo para definir la función de recompensa RL. La formación se optimiza mediante el 'Aprendizaje Curricular Automático', que ajusta de forma autónoma la dificultad de la tarea en función del rendimiento del robot, eliminando la ingeniería manual. Todo el cálculo se ejecuta a bordo.

Especificaciones de hardware de MenteeBot V3