Los constructores de cerebros robóticos están saliendo de su era GPT-2

La IA física ha emergido como uno de los sectores más dinámicos en el capital de riesgo, con empresas que han asegurado miles de millones en financiación para aplicar las herramientas fundamentales detrás de los Modelos de Lenguaje Grande al campo de la robótica.

Este entusiasmo impulsó una importante oferta pública inicial (IPO) para Unitree, el principal fabricante de robots de China, que inicialmente alcanzó una valoración de 66.000 millones de dólares al cotizar en el equivalente al NASDAQ chino. Sin embargo, el sentimiento del mercado cambió drásticamente esta semana, borrando casi la mitad de ese valor. Los analistas atribuyen este descenso a una brecha crítica: aunque las capacidades físicas de los robots están avanzando, aún carecen del conocimiento práctico necesario para realizar tareas que generen valor.

En la conferencia Actuate de la semana pasada, una cumbre para desarrolladores que crean sistemas de IA para robots, el optimismo de la industria fue palpable. Según Foxglove, un organizador que ayuda a los creadores de modelos de IA física a gestionar y visualizar datos, el evento ha triplicado su tamaño desde su inicio en 2023, atrayendo a 1.500 asistentes.

Los riesgos subyacentes también eran evidentes. Un stand de Avala, otro actor en la infraestructura de IA física, exhibía un cartel que prometía resolver "la crisis de datos de robótica".

Esta crisis proviene de una escasez de datos de entrenamiento de alta calidad para los modelos de IA. El objetivo de construir robots generalizados capaces de realizar cualquier tarea sigue estando lejos, y el aprendizaje de extremo a extremo para tareas específicas aún no ha dado como resultado productos con un rendimiento comercial fiable. Para los desarrolladores, la solución radica en emular el progreso de los principales laboratorios de IA: adquirir o generar conjuntos de datos más diversos, experimentar con diversos métodos de entrenamiento y refinar los escenarios de aprendizaje por refuerzo.

Harry Mellsop, fundador de Antioch, una startup que desarrolla herramientas de simulación para creadores de modelos, describe la IA física como estando en su "era GPT-2", refiriéndose al modelo de OpenAI que precedió a ChatGPT. Superar las limitaciones actuales requerirá más datos y potencia de computación, particularmente GPUs optimizadas para trazado de rayos para crear simulaciones de alta fidelidad.

Los vehículos autónomos son actualmente los más avanzados, en parte debido a la capacidad de recopilar datos relevantes de coches conducidos por humanos y en parte porque su objetivo principal es la evitación de colisiones en lugar de manipular el entorno físico. Gran parte de las herramientas para el desarrollo de modelos provienen de empresas de vehículos autónomos; por ejemplo, Foxglove fue fundada por antiguos empleados de Cruise, la anterior iniciativa de conducción autónoma de General Motors.

En consecuencia, estas empresas automotrices están apostando cada vez más a que sus inversiones en herramientas de aprendizaje automático les permitirán competir con fabricantes dedicados de robots humanoides. Tesla ya está siguiendo esta estrategia con su robot Optimus, y ahora tanto Wayve, una empresa centrada en vehículos autónomos, como el gigante de los viajes compartidos Uber han establecido laboratorios de robótica dedicados a formas factoriales humanoides como parte de sus esfuerzos de investigación y desarrollo.

"Creo que necesitas empezar con vehículos... la robótica de manipulación es donde estaba la conducción autónoma hace cinco años", dijo Alex Kendall, director ejecutivo de Wayve, a TechCrunch. "La infraestructura de datos, la simulación y la infraestructura de operaciones de aprendizaje automático probablemente se compartirán, pero el modelo específico del mundo para el simulador requerirá un entrenamiento posterior diferente. Habrá una gran similitud, pero también habrá diferencias para diversas encarnaciones".

Kendall argumenta que es prematuro comprometerse con cualquier plataforma de hardware única, ya que los avances en sensores y otros componentes están ocurriendo rápidamente, y un modelo verdaderamente generalizado debería seguir siendo independiente del hardware.

Théophile Gervet, director ejecutivo de Genesis AI, una empresa de robótica humanoides verticalmente integrada que aseguró una ronda de semillas de 105 millones de dólares este año, discrepó. Dijo a TechCrunch: "Estamos demasiado temprano en esta ola para que una estrategia de cerebro puro tenga éxito; nuestra opinión es que hay numerosas oportunidades para diseñar conjuntamente hardware e IA".

Gervet también abordó otro tema prominente en el sector: cómo enfocarse específicamente en un negocio de IA física. Las empresas de robótica que se dirigen a tareas específicas están desplegando sus robots en el campo: Gritt está construyendo granjas solares, Agility está operando robots en entornos industriales, y Bedrock está ejecutando excavadoras de forma autónoma. Mientras tanto, los humanoides de propósito general siguen estando principalmente confinados a laboratorios.

"Ningún cliente se preocupa por un robot de propósito general que opere con una tasa de éxito del 80%", explicó Gervet respecto a este dilema. "Vemos a muchos otros actores seguir un enfoque general, pero no aportan ningún valor sin un enfoque vertical. Sin embargo, si construyes para un vertical estrecho sobre un modelo de nivel GPT-2, serás superado por empresas que construyen sobre GPT-4".

La tentación de invertir en un vertical específico es fuerte, ya que genera no solo ingresos, sino también datos de despliegue en el mundo real. Si bien los datos específicos de tareas pueden carecer de la diversidad necesaria para avanzar los modelos de propósito general, son cruciales para crear robots que ofrezcan un valor tangible. El director técnico de Bedrock, Kevin Peterson, señaló que su empresa comenzó con la excavación para comprender los desafíos de la "manipulación en el entorno real", pero planea desarrollar una capa de inteligencia que abarque una serie de máquinas de construcción.

Gestionar este volumen de datos es un desafío, particularmente debido a la densidad de la información visual y LiDAR. Esta semana, Foxglove anunció un nuevo producto basado en el modelo de mundo de peso abierto Cosmos de Nvidia, que permite a los ingenieros buscar datos utilizando consultas de lenguaje natural sofisticadas para construir evaluaciones y simulaciones. El objetivo es un triaje y depuración más rápidos, permitiendo a los creadores de modelos iterar con mayor rapidez.

Entonces, ¿cuál será el famoso momento ChatGPT para la IA física, que Sam Altman sugirió recientemente que está a solo unos años de distancia? Kendall señala que los despliegues de robots más grandes del mundo siguen siendo aspiradoras domésticas. Para él, un momento ChatGPT implicaría algo que entusiasme a los consumidores, en lugar de inversores, que ya están altamente entusiasmados.

"Un ejemplo sería lograr una autonomía sin supervisión por menos de 1.000 dólares en valor de hardware en un coche", declaró Kendall. No es casualidad que su empresa esté licenciando modelos a fabricantes de automóviles con el objetivo de lograr exactamente eso. Ve este negocio como una oportunidad de miles de millones de dólares que permitirá la creación de un modelo de IA encarnada verdaderamente generalizado.

Para Gervet, el momento en que la IA física se vuelva mainstream es "la manipulación que simplemente funciona fuera de la caja. Puedes instruir a un robot en lenguaje natural para realizar cualquier tarea básica de manipulación, como empujar, tirar, cerrar una computadora portátil o limpiar una mesa, y lo ejecuta de forma fiable, digamos con un 80% de éxito fuera de la caja. Eso reflejaría aproximadamente la experiencia de ChatGPT".

Adrian Macneil, director ejecutivo de Foxglove, aborda la pregunta desde una perspectiva diferente.

"No habrá un momento ChatGPT para la robótica", le dijo a TechCrunch. "Lo que hizo de ChatGPT un momento histórico fue su distribución: pasaron de cero a aproximadamente un millón de usuarios activos en unas pocas semanas. La distribución en el mundo real es mucho más difícil. Me entusiasmaría mucho un momento Apple II o IBM PC en robótica: ¿cuándo puedo comprar un robot doméstico que comience a realizar tareas útiles y agradables?".