El sector de la inteligencia artificial incorporada, que conecta modelos de aprendizaje automático con cuerpos y robots capaces de moverse, vive una fuerte ola de inversión, pero el desarrollo del hardware aún no ha ido acompañado de un avance similar en la capacidad para realizar trabajos de valor de forma fiable. Esta brecha resume la situación actual del sector: los robots son físicamente más capaces, pero dotarlos del conocimiento necesario para interactuar con el mundo real sigue siendo un desafío abierto.
Esta contradicción quedó clara en la última conferencia Actuate, organizada por Foxglove para desarrolladores de modelos e infraestructura de inteligencia artificial incorporada. El tamaño de la conferencia se triplicó desde su lanzamiento en 2023 y atrajo a 1.500 participantes, una señal del creciente interés por el campo. En cambio, las empresas de infraestructura se centraron en lo que describen como la crisis de datos de la robótica: la escasez de datos de entrenamiento de alta calidad y diversos que necesitan los modelos.
¿Por qué no bastan las capacidades físicas?
Los intentos de construir un robot general capaz de ejecutar cualquier tarea aún están lejos de la madurez. Incluso al entrenar al robot para una tarea específica mediante aprendizaje de extremo a extremo, estos métodos todavía no han producido productos con un rendimiento comercial constante y fiable. Por ello, los desarrolladores se orientan a emular lo que hicieron los laboratorios de inteligencia artificial avanzada: recopilar o crear conjuntos de datos más diversos, probar múltiples métodos de entrenamiento y diseñar mejores escenarios para el aprendizaje por refuerzo.
Harry Mellsop, fundador de Antioch, una empresa especializada en herramientas de simulación para desarrolladores de modelos, describió la inteligencia artificial incorporada como si estuviera viviendo la etapa de GPT-2; es decir, una etapa anterior al salto que convirtió a ChatGPT en un modelo para el gran público. Según esta visión, el sector necesita más datos y capacidad informática para superar su fase actual, incluidas unidades de procesamiento gráfico optimizadas para las técnicas de trazado de rayos utilizadas en la creación de simulaciones de alta precisión.
Pero la comparación con los modelos lingüísticos no significa que el recorrido vaya a ser idéntico. El robot interactúa con un mundo físico cambiante y necesita datos visuales, datos de LiDAR y comportamientos conectados con el entorno, no solo textos. Además, un error en una tarea física puede provocar una colisión, daños o la interrupción de una operación, lo que hace más complejo pasar de un modelo que funciona ocasionalmente a un producto comercial fiable.
Los vehículos autónomos como laboratorio temprano
Los vehículos autónomos parecen uno de los ámbitos más avanzados de la inteligencia artificial incorporada, en parte por su capacidad para recopilar grandes cantidades de datos de los automóviles conducidos por personas y porque su tarea principal se centra en evitar colisiones, en lugar de interactuar directamente con objetos y moverlos. Muchas herramientas para construir modelos llegaron al sector de la robótica desde empresas de vehículos autónomos; Foxglove, por ejemplo, fue fundada por antiguos empleados de Cruise, el proyecto de conducción autónoma anteriormente perteneciente a General Motors.
Ahora las empresas automovilísticas intentan utilizar esta experiencia para competir en la robótica humanoide. Tesla desarrolla el robot Optimus, mientras que Wayve, especializada en conducción autónoma, y Uber han creado laboratorios de robótica centrados en cuerpos humanos como iniciativas de investigación y desarrollo.
Alex Kendall, director ejecutivo de Wayve, considera que empezar con los vehículos puede tener más sentido, porque la infraestructura de datos y simulación y las operaciones de aprendizaje automático pueden compartirse parcialmente entre aplicaciones. Sin embargo, subraya que el modelo global necesitará diferencias relacionadas con cada cuerpo, robot y entorno operativo, y que los rápidos avances en sensores y componentes hacen que comprometerse pronto con una única plataforma de hardware sea una decisión arriesgada.
Especialización frente al robot general
No todos los profesionales del sector coinciden con la idea de separar la «mente» del cuerpo. Théophile Gervet, director ejecutivo de Genesis AI, especializada en robots humanoides integrados verticalmente, considera que la ola aún se encuentra en una fase muy temprana que permite diseñar conjuntamente el hardware y la inteligencia artificial. La empresa había recaudado este año una ronda de financiación inicial de 105 millones de dólares.
El desacuerdo no se refiere solo a la ingeniería, sino también a la estrategia de construcción de negocios. Las empresas que apuntan a tareas específicas han comenzado a trasladar sus robots a emplazamientos reales: Gritt trabaja en granjas solares, Agility despliega robots en entornos industriales, mientras que Bedrock opera excavadoras autónomas. En cambio, los robots humanoides multiuso continúan en gran medida dentro de los laboratorios.
Gervet afirma que al cliente no le interesa un robot general que solo tenga un 80 % de éxito al ejecutar la tarea, porque la falta de enfoque sectorial puede traducirse en una falta de valor práctico. Sin embargo, la especialización crea otro problema: si se construye un producto vertical sobre una generación temprana de modelos, un competidor que utilice un modelo más avanzado podría superarlo. Aun así, una aplicación especializada proporciona ingresos y datos del mundo real, aunque esos datos no sean lo bastante diversos para desarrollar un robot general.
Bedrock empieza excavando para comprender los desafíos de manipular objetos en condiciones reales, pero planea construir una capa de inteligencia que se extienda a un conjunto de máquinas de construcción. Esto ilustra una posible solución intermedia: lanzar un producto especializado que pueda reunir experiencia y datos, manteniendo al mismo tiempo el objetivo de desarrollar capacidades más amplias posteriormente.
¿Qué está cambiando en la práctica?
La infraestructura se orienta a abordar el propio problema de los datos. Foxglove anunció un nuevo producto construido sobre Cosmos, el modelo del mundo de pesos abiertos de Nvidia, que permite a los ingenieros buscar en datos de visión y LiDAR mediante consultas naturales avanzadas, con el objetivo de crear evaluaciones y simulaciones y acelerar la clasificación y corrección de problemas. El valor de estas herramientas no reside en añadir capacidad física al robot, sino en reducir el tiempo necesario para descubrir por qué falla el modelo y volver a entrenarlo.
La pregunta más amplia es qué dará forma al momento ChatGPT de la robótica. Kendall considera que el momento real debe despertar el interés de los consumidores, no de los inversores, y plantea como ejemplo una conducción autónoma sin supervisión de la atención visual y con un hardware cuyo valor sea inferior a 1.000 dólares, una oportunidad que Wayve afirma perseguir mediante la concesión de licencias de sus modelos a fabricantes de automóviles. Gervet considera que el hito será un robot que entienda órdenes naturales y ejecute tareas básicas de manipulación, como empujar y tirar, cerrar un ordenador portátil o limpiar una mesa, con una tasa de éxito de aproximadamente el 80 % o más y sin una configuración compleja.
Pero Adrian Macneil, director ejecutivo de Foxglove, no espera un único momento comparable a ChatGPT; la expansión en el mundo físico es mucho más difícil que distribuir un programa por internet. En su lugar, espera un momento similar a la aparición del Apple II o del IBM PC, cuando sea posible comprar un robot doméstico que realice tareas útiles y entretenidas.
La lectura más importante de estas posiciones es que el sector aún no ha decidido si el progreso llegará a través de un modelo general, de un diseño conjunto de hardware y software o de aplicaciones especializadas que se expandan gradualmente. Lo que confirman los datos disponibles es que el aumento de las inversiones y la mejora de los cuerpos no eliminan el principal cuello de botella: datos reales y diversos, simulaciones precisas y un rendimiento en el que los clientes puedan confiar fuera del laboratorio.