Política Neural
Una política neural es una política de control robótico parametrizada por una red neuronal que mapea observaciones (imágenes, propiocepción, lenguaje) directamente a acciones (posiciones articulares, deltas cartesianos, comandos de pinza). En contraste con los conductos clásicos de planificación de movimiento, las políticas neurales aprenden el mapeo de extremo a extremo a partir de datos sin representaciones intermedias diseñadas manualmente. Las políticas neurales modernas utilizan codificadores convolucionales para visión, transformadores para modelado de secuencias y arquitecturas como ACT, Diffusion Policy o backbones VLA para generación de acciones. Una propiedad clave de las políticas neurales es que pueden entrenarse a partir de demostraciones o señales de recompensa, permitiéndoles manejar tareas demasiado complejas para controladores codificados manualmente. Véase esto en la práctica: nuestras evaluaciones en el mundo real →