La frontera de la IA física no es sólo un almacén. Es una torre Jenga.
En San Leandro, California, dentro de una unidad industrial anodina ocupada por Encord, el juego se está volviendo más intenso. Andrew Ceja no sólo está jugando. Está entrenando una máquina.
Ceja es lo que Encord llama un “piloto”. En términos sencillos, es un entrenador robótico. Lleva unos auriculares equipados con una cámara para capturar su perspectiva. Pero hay algo más atado a su cabeza. Sensores que miden sus ondas cerebrales.
Mientras saca bloques de madera de una pila tambaleante, el sistema registra algo más que los datos visuales. Capta su intención. Su enfoque. El momento exacto del error.
Esto no es ciencia ficción. Es la última apuesta en la carrera por construir robots humanoides funcionales.
Por qué los datos físicos de IA son más difíciles que el texto
La IA generativa revolucionó los chatbots porque los datos estaban en todas partes. Podrías extraer miles de millones de archivos de texto de Internet. No costó casi nada.
La IA física no funciona de esa manera.
Los datos de entrenamiento para robots simplemente no existen en la escala necesaria. Aún no.
Vineeth Velmurugan lo sabe bien. Dirige el aprendizaje de robots en Encord. Antes de eso, estuvo en el laboratorio de robótica de OpenAI y en Berkshire Grey. Se unió a Encord porque el antiguo modelo se estropeó.
“Los datos simplemente no existen”, afirmó.
Empresas que crean herramientas de visión artificial utilizadas simplemente para gestionar datos. Ahora tienen que lograrlo. El aprendizaje de un extremo a otro requiere manipulación de datos del mundo real. ¿Vídeo solo? Falta de fidelidad. Los coches autónomos recopilan sus propios datos, por supuesto. Pero escalar eso es una pesadilla.
Velmurugan tiene un número que debería asustar a cualquiera que intente replicar la economía del LLM para robots. Necesita un conjunto de datos aproximadamente cinco veces el tamaño de toda la biblioteca de videos de YouTube.
¿Cómo se construye eso sin llevar al laboratorio a la quiebra?
Tú lo fabricas. Y lo etiqueta con neurociencia.
Laboratorios Encord y Zander: Midiendo la mente
Los auriculares que usa Ceja provienen de Zander Labs. Es una startup alemana de neurociencia. No sólo te miran moverte. Miden la actividad cerebral para deducir estados mentales.
Sorpresa. Error. Intención.
Esta es una prueba entre Encord y Zander. El objetivo es específico: crear un conjunto de datos inicial etiquetado con ondas cerebrales. Ejecútelo a través de modelos robóticos de clientes. Vea si el rendimiento realmente mejora. Si es así, lo amplían.
Si no es así, dan un giro.
Lukas Gehrke, neurocientífico de Zander que supervisa el trabajo, ve inmediatamente el valor práctico. La intensidad de la actividad cerebral durante una tarea indica a los constructores de modelos cuándo el robot necesita ayuda. Marca los momentos de “alto esfuerzo”.
Esto es lo que Vineeth Velmurugan llama “la vanguardia”.
También es caro.
La economía de los “datos del ego basura”
La mayoría de las empresas que construyen cerebros de robots están recurriendo a datos “egocéntricos”. Los trabajadores usan cámaras. Realizan tareas. Los robots miran.
Encord también hace esto. Tienen pilotos en fábricas de todo el mundo. Pero en San Leandro están experimentando.
En una estación, Sofia Infante maniobra brazos robóticos para conectar y desconectar cables Ethernet de los racks de servidores. Los operadores de centros de datos sueñan con automatizar esto. Si tan solo los robots tuvieran la precisión.
Lo probé yo mismo.
Es difícil.
Las pinzas de los robots carecen del grado de libertad de los dedos humanos. Son torpes. Infante tiene la destreza. Su cerebro tiene los microajustes. El robot necesita aprender esos ajustes. Esa es la brecha.
Otra modalidad nueva implica sensores en el antebrazo. Detectan señales eléctricas en los músculos. ¿Por qué? Porque en los vídeos de manos humanas a menudo no se ve la mano misma. Las obstrucciones suceden. Limitaciones de ángulo.
Los sensores del brazo llenan los huecos. Ayudan a crear un mapa 3D de la posición de la mano incluso cuando la cámara no puede verlo.
Pero aquí está el problema con la economía.
Encord anota sus conjuntos de datos. “La mano derecha aprieta el perno”. “La mano izquierda sirve café.” Anotación densa.
Velmurugan afirma que este nivel de detalle vale 100 veces más que los “datos basura del ego” para entrenar tareas específicas. Sólo cuesta 20 veces más hacerlo. Sobre el papel, es un buen intercambio.
Veinte veces más sigue siendo dinero real.
Los creadores de LLM rasparon texto por unos centavos. Los datos físicos requieren fabricación. Requiere trabajo humano. Requiere equipo de neurociencia. La economía está fundamentalmente fracasada en comparación con el software.
¿Quién compra estos datos?
Encord trabaja con empresas líderes en robótica. Velmurugan no puede nombrarlos. Pero están pidiendo conjuntos de datos de habilidades específicas.
Sintonia FINA.
En las instalaciones de Encord, están funcionando equipos líder-seguidor. Brazos robóticos emparejados. Uno se mueve a la velocidad de los operadores humanos. El otro lo imita.
Las tareas incluyen servir café sin chapotear. Apilar fichas de póquer. Clasificando flores falsas. Libros. Verduras de plástico. Bandejas sanitarias para gatos. Bolsas de alambre.
Toda empresa humanoide quiere estas piezas.
Velmurugan lo ve todo desde su posición ventajosa. Se encuentra entre muchas empresas de robótica. Él sabe lo que está funcionando. Él sabe lo que está fallando. Tanto las empresas emergentes como los laboratorios de vanguardia están tratando de resolver los mismos problemas.
¿Qué técnicas de datos ganan terreno? ¿Cuáles fracasan?
Encord detecta a los ganadores antes de que los clientes sepan que están perdiendo.
Eso mantiene ocupados a los pilotos.
Ceja, Infante… no son sólo anotadores. Son los bloques de construcción. Anteriormente trabajaron en Scale, otra empresa de anotación de datos. Ahora están aquí, quitando bloques de las torres, tapando cables, sirviendo café.
Ceja solía mantener un clasificador de basura robótico en una empresa de gestión de residuos. La tecnología fue su boleto para salir de la clasificación manual.
Ahora está enseñando a las máquinas cómo pensar en apilar bloques.
“Cada día hay algo nuevo”, afirmó.
La torre se cayó. De nuevo.
Los sensores lo registraron. El modelo aprendió.
Pero el hambre de datos no cesa. Crece. Cinco veces el tamaño de YouTube. Ese no es un problema a corto plazo. Es un desafío industrial.
¿Será el etiquetado de ondas cerebrales la clave? ¿O simplemente otra costosa pila de sensores que ralentiza la producción?
No lo sabremos hasta que los modelos realmente funcionen.
