mimic Robotics y Black Forest Labs han llevado FLUX-mimic, un modelo que transforma predicciones de vídeo en acciones robóticas, a pruebas de montaje con Audi. El objetivo es automatizar tareas con cables, juntas y otras piezas flexibles que siguen resistiéndose a la programación industrial convencional.
Del vídeo a los movimientos del robot
FLUX-mimic pertenece a una familia que mimic denomina modelos de vídeo-acción. En lugar de partir únicamente de imágenes, texto y trayectorias de robot, utiliza como base FLUX 3, el nuevo modelo multimodal de Black Forest Labs, para aprender cómo evoluciona visualmente una escena. Después, un decodificador convierte la representación interna de ese futuro probable en secuencias de movimiento para los brazos.
La diferencia frente a un modelo visión-lenguaje-acción no es solo terminológica. Una política robótica tradicional necesita ejemplos que incluyan las órdenes exactas ejecutadas por la máquina, un dato caro porque exige teleoperar o poner robots a recoger demostraciones. El vídeo humano es mucho más abundante, pero no lleva esas acciones asociadas. La apuesta de mimic es aprovechar el conocimiento sobre contacto, deformación y comportamiento físico aprendido durante el preentrenamiento en vídeo, y añadir después una cantidad menor de datos robóticos.
En su presentación técnica de FLUX-mimic, la compañía atribuye a su anterior receta de vídeo-acción una eficiencia de muestras hasta 10 veces mayor y una convergencia dos veces más rápida que una receta VLA comparable. Son resultados internos y no una evaluación independiente, pero explican el interés industrial: reducir las horas necesarias para enseñar cada variante puede hacer viables tareas que hoy cuestan demasiado programar una a una.
La arquitectura evita generar un vídeo completo durante la ejecución. El decodificador lee directamente las representaciones latentes del modelo y produce bloques de acciones en una sola pasada. mimic afirma que el sistema funciona en el propio robot con una NVIDIA RTX 5090, con menos de 80 milisegundos para el procesamiento principal y 101 milisegundos de reacción de extremo a extremo tras sumar sensores, comunicación y actuadores.
Dos brazos frente a una puerta de Audi
El caso más concreto del anuncio está en Audi Production Lab. Los vídeos oficiales muestran dos brazos con manos robóticas de mimic trabajando sobre componentes de una puerta: organizan cableado, manipulan una moldura larga y flexible y colocan piezas en una geometría propia del automóvil. No es una animación ni una tarea de bloques de laboratorio, sino un banco de pruebas con piezas de producción.
Audi confirma que lleva meses probando y desplegando el sistema en casos reales. El interés está en operaciones donde la automatización rígida pierde rentabilidad: materiales blandos que cambian de forma, referencias distintas dentro de una misma gama y ensamblajes que requieren recolocar la pieza después del primer contacto. Según las empresas, enseñar una tarea nueva puede reducirse a unas horas, frente a los meses de ingeniería que puede exigir una célula convencional muy especializada.
El fabricante también ha comparado una versión preliminar sobre una tarea de kitting con material flexible. FLUX-mimic alcanzó un 95 % de éxito sin ajuste específico para esa tarea, frente al 55 % de una adaptación de π0.5 y el 70 % de una política de flow matching entrenada de forma intensiva para el caso. Black Forest Labs aclara que la comparación se basa en 20 ejecuciones autónomas por modelo. La muestra es pequeña y procede de los creadores, por lo que sirve como señal técnica, no como prueba definitiva de superioridad.
Lo que todavía falta demostrar
El anuncio mezcla tres niveles que conviene separar. FLUX-mimic es todavía una versión preliminar; las pruebas de Audi muestran integración con hardware y piezas reales; y la palabra «despliegue» no equivale por sí sola a una célula operando de forma continua en una línea comercial. Las empresas no detallan planta, volumen de producción, tiempo de ciclo, tasa de intervención humana, disponibilidad ni coste por tarea.
Tampoco sabemos cuánto del resultado depende de la mano M1, del montaje con dos brazos, de la recogida de demostraciones o del propio modelo FLUX 3. Esa integración vertical puede ser una ventaja para mimic, pero dificulta aislar qué componente aporta cada mejora y cuánto trabajo habría que repetir al trasladar la política a otro robot.
La novedad relevante es más acotada: un modelo generativo de vídeo ya no se usa solo para producir píxeles, sino como representación del mundo sobre la que un robot decide acciones. Si Audi demuestra que ese enfoque mantiene precisión y velocidad durante turnos completos, podría abrir una franja de automatización entre la célula rígida y el trabajo manual. Por ahora, FLUX-mimic ofrece una prueba industrial prometedora, todavía pendiente de métricas de producción.
Fuentes
- mimic Robotics — presentación técnica de FLUX-mimic y pruebas con Audi [en]
- Black Forest Labs — FLUX 3 como base de modelos de vídeo-acción [en]
- Association for Advancing Automation — análisis del acuerdo entre mimic y Black Forest Labs [en]
- Imagen: mimic Robotics — brazos robóticos trabajando sobre una puerta de automóvil [en]