En l'àmbit de la imitació multimodal, els models de flux (flow matching) han demostrat ser especialment efectius per representar distribucions complexes d'accions. No obstant això, la seva estocasticitat sol ser passiva: en repetir el mostreig des d'un mateix estat, s'obtenen comportaments diversos, però l'usuari no té control directe per triar una continuació concreta entre les múltiples trajectòries vàlides. Aquesta limitació és crítica en aplicacions robòtiques i sistemes autònoms on es requereix intervenibilitat, és a dir, la capacitat de guiar l'agent cap a una opció específica sense modificar la dinàmica subjacent.
La proposta Source-Lifted Flow Matching (SL-FM) aborda aquest repte exposant un mànec de control sobre la font del flux condicional, mantenint el camp de velocitats compartit i sense necessitat de variables latents. A diferència d'enfocaments previs que descomponen el comportament en modes separats amb camps condicionats, SL-FM preserva la formulació estàndard del flow matching. El nucli tècnic és l'aixecament ortogonal de fonts (Orthogonal Source Lifting), dissenyat per evitar l'ambigüitat de creuament de trajectòries. En lloc de particionar les accions objectiu per mode, SL-FM eleva les fonts específiques de cada mànec a coordenades ortogonals auxiliars, mentre que els objectius es mantenen en el subespai original d'accions. Això conserva la distribució demostrada i permet que un únic camp compartit transporti múltiples branques sense fusionar-se en els creuaments.
Perquè els mànecs siguin utilitzables en diferents estats, s'aprèn una mescla de fonts dependent de l'estat de manera conjunta (end-to-end), incorporant un sòl de responsabilitat que proporciona supervisió feble a cada mànec i mitiga l'aparició de modes morts. Els experiments en diagnòstics de fluxos amb creuaments i en benchmarks de control robòtic mostren que SL-FM converteix l'aleatorietat passiva de la font en una variable d'intervenció accionable. Elimina trajectòries compostes induïdes per creuaments, canvia les rutes futures en el 91,1% de les intervencions amb prefix coincident i aconsegueix un rendiment sòlid en desplegament lliure, amb millores en diversos entorns de referència.
Des d'una perspectiva empresarial, la capacitat d'intervenir en polítiques multimodals obre oportunitats significatives en el desenvolupament d'aplicacions a mida per a robòtica col·laborativa, vehicles autònoms i sistemes de control intel·ligent. A Q2BSTUDIO, com a empresa de desenvolupament de programari i tecnologia, integrem aquests avenços en solucions personalitzades que combinen IA, cloud AWS/Azure i ciberseguretat per garantir sistemes robustos i accionables. Per exemple, un braç robòtic entrenat amb imitació multimodal pot ser guiat en temps real seleccionant la trajectòria desitjada mitjançant un mànec d'intervenció, sense necessitat de reentrenar el model. Això és possible gràcies a l'aixecament ortogonal que evita l'ambigüitat de creuament, una característica clau per a processos industrials on la precisió i la flexibilitat són crítiques.
La integració de SL-FM en plataformes de Business Intelligence i Power BI permet, a més, visualitzar i controlar les decisions de l'agent en temps real, oferint als operadors una interfície per intervenir quan la trajectòria automàtica es desvia del que s'espera. La combinació amb agents IA autònoms permet que aquests aprenguin de demostracions humanes i, alhora, siguin corregibles mitjançant intervencions simples, millorant la confiança i l'adopció en entorns de producció.
La nostra experiència amb programari a mida ens ha mostrat que la intervenibilitat és un requisit creixent en sistemes d'imitació. No n'hi ha prou que una política generi comportaments diversos; l'usuari ha de poder triar entre ells de forma activa. SL-FM proporciona exactament això: control sense modificar el camp de velocitats compartit, mantenint l'eficiència del flow matching. A Q2BSTUDIO apliquem aquestes tècniques per construir solucions d'IA que s'adapten a les necessitats específiques de cada client, ja sigui en automatització industrial, diagnòstic mèdic o sistemes de recomanació intervenibles.
El camí cap a sistemes veritablement col·laboratius passa per oferir als humans la capacitat d'influir en les decisions de la màquina sense trencar el flux d'aprenentatge. Source-Lifted Flow Matching representa un pas ferm en aquesta direcció, i des de Q2BSTUDIO treballem per portar-lo del laboratori a la indústria, integrant cloud, ciberseguretat i anàlisi de dades en cada implementació. La multimodalitat intervenible no és només un avenç tècnic; és la base per a una nova generació d'aplicacions intel·ligents on la màquina aprèn de l'humà i l'humà guia la màquina.
