Seminario web: Entrenar un bot de equilibrio con aprendizaje por refuerzo

El aprendizaje por refuerzo (RL) es una de las áreas más emocionantes de la inteligencia artificial (IA) moderna, que permite a los robots aprender comportamientos complejos a través de la interacción y la experiencia, en lugar de la programación tradicional. Al combinarlo con la simulación física, RL permite a los robots dominar habilidades como el equilibrio, la caminata y la recuperación de caídas en un entorno virtual antes de la implementación en hardware real.

Por muy potentes que sean estas tecnologías, empezar puede ser un desafío. Comprender las herramientas, los flujos de trabajo y el proceso de implementación suele suponer una curva de aprendizaje pronunciada tanto para desarrolladores como para entusiastas de la robótica.

En este taller práctico, Shawn Hymel, instructor experto y creador de cursos creativos en sistemas embebidos y aprendizaje automático, guiará a los participantes durante todo el proceso de entrenar un robot autoequilibrado usando aprendizaje por refuerzo e implementar el modelo entrenado en hardware real.

Con las plataformas M5Stack Bala-C o Bala2 Fire, los asistentes aprenderán cómo:

• Importar un modelo 3D del Bala-C M5Stack al simulador de física MuJoCo
• Entrenar una política de red neuronal utilizando un plan de estudios PPO (Optimización de Políticas Proximales) en varias fases
• Implementar la red de actores entrenados en un microcontrolador ESP32 usando Arduino
• Entender la cadena de simulación a real y cómo los comportamientos aprendidos se transfieren de la simulación a los robots físicos

Más allá de la mecánica de la formación y la implementación, en este taller se explora un flujo de trabajo fundamental cada vez más utilizado en el desarrollo moderno de robótica. Al aprovechar la simulación antes de las pruebas de hardware, los desarrolladores pueden acelerar el aprendizaje, reducir riesgos y crear sistemas autónomos con mayor capacidad.

Ya sea un aficionado a la robótica, desarrollador de sistemas embebidos, estudiante o practicante de IA, esta sesión ofrece una introducción práctica a las herramientas y técnicas que impulsan la próxima generación de máquinas inteligentes. Saldrá con un conocimiento más profundo del aprendizaje por refuerzo, la simulación robótica y el camino completo desde entrenar un modelo de IA hasta ejecutarlo en un robot real.

Cuándo: Jueves, 13 de agosto de 2026, 10:00 a.m. CDT

Duración: 1 hora

Regístrese aquí para asistir o recibir la grabación completa en cualquier momento después del evento: https://event.on24.com/wcc/r/5384134/958EFFE494BF1C6A2AD94F9B093DC01B?partnerref=blog