Machenta, una startup de Londres, anunció una ronda semilla de 40 millones de dólares para desarrollar un modelo de IA que, según la empresa, permite enseñar nuevas tareas a robots con una sola demostración. Su apuesta consiste en preentrenar el sistema con datos simulados y usar el ejemplo real para indicarle qué hacer.
Sus cofundadores son Edward Johns, CEO y profesor de aprendizaje robótico en Imperial College London, y Vitalis Vosylius, director de tecnología. Según la página del equipo de Machenta, ambos trasladaron a la empresa una línea de investigación desarrollada en la universidad.
La demostración aporta la instrucción
El enfoque tiene un antecedente en Instant Policy, un trabajo de Johns y Vosylius presentado en ICLR 2025. Sus autores entrenaron el sistema con trayectorias generadas en simulación para que adquiriera habilidades a partir de uno o dos ejemplos. Las demostraciones aportaban el contexto para decidir los movimientos.
Ese proyecto también mostraba que añadir ejemplos ayudaba a abrir cajas con geometrías diferentes. La cantidad de demostraciones dependía de lo que el robot necesitaba aclarar sobre la tarea.
En la presentación técnica del 27 de octubre de 2026, Machenta explica que su nuevo modelo combina la demostración con imágenes de las cámaras para generar acciones, sin otro entrenamiento específico para esa tarea.
Tres pruebas sencillas delimitan los resultados
Machenta reporta ensayos de una hora por tarea: 74 aciertos en 74 colocaciones de bloques en un cuenco, 78 de 78 intercambios de un destornillador y 97 de 99 intentos de poner una botella de pie. La empresa describe estas tareas como relativamente sencillas.
Son pruebas internas sobre operaciones delimitadas; no permiten extender esa fiabilidad a cualquier trabajo industrial. El blog también reconoce que una demostración ambigua puede requerir ejemplos adicionales para aclarar la intención.
El siguiente paso que plantea Machenta es aumentar el cómputo y la diversidad de los datos simulados para abordar tareas más complejas.
