Una startup de simulación aspira a convertirse en el referente de la IA física

La visión de la IA física consiste en permitir a los ingenieros programar agentes físicos con la misma facilidad que sus homólogos digitales.

Aún no hemos llegado a ese punto. La robótica sigue viéndose limitada por una grave falta de datos del mundo físico. Para entrenar sus máquinas, las empresas deben construir almacenes simulados para realizar pruebas, mientras que ha surgido toda una industria dedicada a supervisar las líneas de producción y a los trabajadores temporales, recopilando datos para entrenar modelos de aprendizaje profundo destinados a operaciones robóticas.

La simulación ofrece otra vía. Las réplicas virtuales detalladas de entornos del mundo real podrían proporcionar los datos escalables y los campos de pruebas que necesitan los especialistas en robótica.

Antioch, una startup que desarrolla herramientas de simulación para desarrolladores de robots, tiene como objetivo salvar la «brecha entre la simulación y la realidad» del sector: el reto de crear entornos virtuales tan realistas que los robots entrenados en ellos puedan operar de forma fiable en el mundo físico.

«¿Cómo podemos minimizar mejor esa brecha, haciendo que la simulación resulte indistinguible de la realidad desde la perspectiva de tu sistema autónomo?», afirmó Harry Mellsop, director ejecutivo y cofundador de Antioch.

Para avanzar en este objetivo, la empresa anunció una ronda de financiación inicial de 8,5 millones de dólares, que la valora en 60 millones de dólares. La ronda fue liderada por las empresas de capital riesgo A* y Category Ventures, con la participación de MaC Venture Capital, Abstract, Box Group e Icehouse Ventures.

Mellsop fundó la empresa, con sede en Nueva York, junto con otros cuatro cofundadores en mayo del año pasado. Dos de ellos, Alex Langshur y Michael Calvey, habían cofundado anteriormente con él la startup de seguridad e inteligencia Transpose, que más tarde fue adquirida por Chainalysis. Los otros dos fundadores, Collin Schlager y Colton Swingle, cuentan con experiencia previa en Google DeepMind y Meta Reality Labs, respectivamente.

La demanda de simulación avanzada es fundamental para el trabajo de muchas de las principales empresas de autonomía. En la conducción autónoma, por ejemplo, Waymo utiliza los modelos del mundo de Google DeepMind para probar y evaluar sus algoritmos de conducción. Este enfoque podría, en teoría, reducir la extensa recopilación de datos necesaria para desplegar vehículos en nuevas áreas, lo que supone un coste significativo a la hora de escalar la tecnología.

Crear y utilizar estos modelos para las pruebas de robots requiere un conjunto de habilidades diferente al del desarrollo de un coche autónomo. Antioch pretende crear una plataforma que resuelva este problema para las empresas más nuevas que carecen del capital necesario para desarrollar todo internamente. Estas empresas más pequeñas tampoco pueden permitirse construir instalaciones de pruebas físicas ni recorrer millones de kilómetros con vehículos equipados con sensores.

«La gran mayoría del sector no utiliza la simulación en absoluto, y cada vez está más claro que debemos acelerar el progreso», afirmó Mellsop.

Los ejecutivos de Antioch comparan su producto con Cursor, la popular herramienta de desarrollo de software basada en IA. Su plataforma permite a los fabricantes de robots poner en marcha múltiples instancias digitales de su hardware, conectadas a sensores simulados que replican flujos de datos del mundo real. Estos entornos permiten a los desarrolladores probar casos extremos, llevar a cabo aprendizaje por refuerzo y generar nuevos datos de entrenamiento.

Esto depende, sin embargo, de que la simulación alcance una alta fidelidad. El principal reto es garantizar que la física virtual se ajuste a la realidad, de modo que los modelos que controlan las máquinas reales funcionen a la perfección. Antioch se basa en modelos de Nvidia, World Labs y otros, creando bibliotecas específicas para cada ámbito con el fin de facilitar su uso. Al colaborar con múltiples clientes, la empresa obtiene una amplitud de contexto para perfeccionar sus simulaciones que una sola empresa de IA física no podría lograr por sí sola.

«Lo que vimos con la ingeniería de software y los LLM está empezando ahora en la IA física», declaró Çağla Kaymaz, socia de Category Ventures, a TechCrunch. «Nos centramos mucho en las herramientas para desarrolladores y nos encanta ese sector, pero los retos son diferentes. Con el software, las herramientas de codificación deficientes plantean riesgos que se limitan en gran medida al ámbito digital. En el mundo físico, hay mucho más en juego».

El enfoque actual de Antioch se centra principalmente en los sistemas de sensores y percepción, que representan una necesidad fundamental para los vehículos automatizados, la maquinaria agrícola y de construcción, y los drones aéreos. La aspiración más amplia de robots de uso general que reproduzcan tareas humanas sigue estando más lejos. Aunque se dirige a startups, algunos de los primeros clientes de Antioch son grandes multinacionales con importantes inversiones existentes en robótica.

Adrian Macneil cuenta con una amplia experiencia en este campo. Como ejecutivo de la startup de conducción autónoma Cruise, creó la infraestructura de datos de la empresa antes de fundar Foxglove en 2021, que proporciona herramientas similares de canalización de datos para startups de IA física. Macneil es también inversor ángel en Antioch.

«La simulación es crucial para elaborar casos de seguridad o gestionar tareas de alta precisión», afirmó en la conferencia Ride.AI celebrada en San Francisco. «Simplemente no es viable recorrer suficientes kilómetros en el mundo real».

Macneil espera ver la aparición de herramientas fundamentales para la IA física, similares a plataformas como GitHub, Stripe y Twilio que impulsaron la revolución del SaaS. «Necesitamos que una parte mucho mayor de toda la cadena de herramientas esté disponible de forma inmediata», añadió.

«Creemos sinceramente que, en un plazo de dos o tres años, cualquiera que construya un sistema autónomo en el mundo real lo hará principalmente mediante software», afirmó Mellsop. «Por primera vez, los agentes autónomos pueden iterar en un sistema físico y cerrar verdaderamente el bucle de retroalimentación».

Ya se están llevando a cabo experimentos. David Mayo, investigador del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT, está utilizando la plataforma de Antioch para evaluar los LLM. En una prueba, los modelos de IA diseñan robots, que luego se evalúan en el simulador de Antioch. Los modelos pueden incluso competir en concursos simulados, como empujar a un robot rival fuera de una plataforma. Proporcionar a los LLM un entorno de pruebas realista podría establecer un nuevo paradigma para evaluar sus capacidades.

Antes de que surja un mundo de ingenieros de IA, queda mucho trabajo por hacer para cerrar la brecha entre los modelos digitales y la realidad. Si tienen éxito, los desarrolladores podrían crear un potente «flywheel» de datos. Macneil cree que este «flywheel» es clave para el éxito de líderes como Waymo, donde los ingenieros confían cada vez más en que cada nueva iteración del modelo superará a la anterior.

Para otras empresas que aspiren a replicar ese éxito, la elección será crear estas herramientas por sí mismas o comprarlas.