La capacidad de un sistema inteligente para identificar en una imagen qué zonas son aptas para realizar una acción concreta —abrir una puerta, agarrar un objeto, sentarse en una silla— se conoce como groundado de affordances. Esta habilidad es fundamental en robótica, realidad aumentada y sistemas autónomos, pero ha sido tradicionalmente compleja de implementar por la ambigüedad visual de las imágenes y la similitud semántica entre acciones. Recientes avances en modelos de lenguaje y visión de gran escala (LVLMs) han demostrado que sus mapas de atención internos codifican información espacial implícita, incluso cuando el modelo solo genera texto. Investigadores han desarrollado un enfoque novedoso que selecciona, entre todos los tokens de salida, aquel cuyo mapa de atención se activa dominantemente sobre el objeto relevante, transformando esa señal semántica en mapas de calor de affordance sin necesidad de entrenamiento supervisado. Este método, llamado TokAG, supera en precisión a enfoques previos basados en aprendizaje débilmente supervisado, logrando mejoras significativas en benchmarks como AGD20K y HICO-IIF.
La aplicación práctica de esta tecnología va más allá del laboratorio: empresas que desarrollan ia para empresas pueden integrar el groundado de affordances en sistemas de inspección visual, asistentes robóticos o interfaces de realidad mixta. En Q2BSTUDIO ofrecemos aplicaciones a medida que incorporan capacidades de percepción avanzada, combinando inteligencia artificial con servicios cloud como aws y azure para escalar soluciones de forma segura. También proveemos servicios cloud aws y azure que facilitan el despliegue de modelos de visión y lenguaje, así como servicios inteligencia de negocio para analizar los datos generados por estos sistemas. Nuestra experiencia en ciberseguridad garantiza que las soluciones sean robustas frente a amenazas. Así, el groundado de affordances basado en tokens se convierte en una herramienta práctica y accesible para cualquier organización que busque dotar a sus agentes IA de una comprensión espacial más precisa y eficiente.
.jpg)