NVIDIA libera ASPIRE como código abierto, que redujo el tiempo por giro del cubo de Rubik de 17 a 3,1 minutos en tres episodios

Guanzhi Wang y Jim Fan, del laboratorio GEAR de NVIDIA, anunciaron el 16 de octubre que ASPIRE v1.0 es de código abierto en GitHub. El laboratorio presentó ASPIRE por primera vez en junio de 2026; los resultados con robot real son nuevos.

Lo que aprende el agente se guarda como código y texto, no en los pesos del modelo, y la mejora se nota en tiempo y en coste de tokens. A lo largo de tres episodios con el robot real, el tiempo de ejecución por giro de cara del cubo de Rubik bajó de 17 a 3,1 minutos, y los tokens por giro cayeron un 82% a medida que ASPIRE acumulaba habilidades.

Según la página del proyecto, ASPIRE escribe y refina programas de control robótico del tipo código como política a partir de la retroalimentación de la ejecución: inspecciona las trazas de cada intento, repara los programas y guarda habilidades reutilizables. Un motor de ejecución en bucle cerrado registra observaciones, entradas y salidas de cada llamada de percepción, planificación y control, y una biblioteca de habilidades destila las correcciones validadas en pautas que se recuperan en contexto. El README describe el proceso como aprendizaje continuo, en el que "entrenar" es refinar habilidades y el "modelo entrenado" es un repositorio de habilidades sensoriomotoras. La versión de junio incluía demostraciones sim-to-real de recogida de mesas.

Un solucionador simbólico calcula los movimientos; el agente hace el resto

En el robot real, ASPIRE con GPT-6 Astra resolvió un cubo de Rubik con un robot bimanual YAM de pinzas blandas: ejecutó una solución de 16 movimientos y coordinó ambos brazos para agarrar, girar y manipular el cubo, según Wang. "Sin demostraciones por teleoperación ni entrenamiento en simulación", escribió. El manual de operación indica que el agente necesita "un solucionador simbólico del cubo disponible para calcular y validar una solución para la mezcla actual"; su propio trabajo es percibir, agarrar y girar. La página del proyecto aclara que las cifras por giro están promediadas sobre el episodio completo, incluidos los intentos fallidos y las recuperaciones. Con esas tasas promediadas, una solución de 16 movimientos llevaría unos 50 minutos al ritmo del tercer episodio (16 x 3,1) frente a unas 4,5 horas al del primero (16 x 17); son promedios, no un tiempo de resolución medido.

Las mismas 10 tareas de LIBERO-Pro dan un 15% o un 99% según el modelo de base

El equipo probó ASPIRE con GPT-6 Astra, Claude Opus 5.5, Claude Sonnet 5.5, Claude Fable 5.1 y modelos de pesos abiertos como Kimi K3 y Qwen 3.8 Max, con el entorno, la API de programación del robot y el protocolo de evaluación fijos. En 10 tareas de LIBERO-Pro, el éxito va del 15% con GPT-6 Luna al 99% con Claude Opus 5.5, y los modelos más fuertes no son los más caros; Sonnet 5.5 se sitúa en la frontera entre coste y capacidad, a 12 dólares por tarea. Fan escribió que el día en que llegó Astra el laboratorio cambió el modelo de base y saturó los benchmarks en torno al 99% de la noche a la mañana: "una marea alta en la frontera levanta todos los barcos, pero Astra fue un tsunami de 0 a 1 en muchas tareas". En simulación, los resultados son del 99% en las 80 tareas de LIBERO-Pro y del 100% en 7 tareas representativas de Robosuite y 2 de BEHAVIOR-1K.

Las tres nuevas recetas para robot real, entre ellas meter una pastilla en un frasco y enroscar el tapón, se destilaron de sesiones de demostración; el README advierte que "no son una nueva validación en robot real". Según la página del proyecto, ASPIRE aprende con una pequeña partición de depuración y se evalúa con semillas reservadas distintas. ASPIRE depende de un modelo de frontera congelado, y los investigadores afirman que no han comprobado si modelos más pequeños o más débiles pueden sostener el bucle de depuración.