Bots humanoides: la próxima generación de plataforma que pasa de la ciencia ficción a la realidad

Los robots humanoides están pasando rápidamente de las obras de ciencia ficción a la realidad. La disminución de los costos de hardware, el aumento de las inversiones de capital y los avances tecnológicos en la flexibilidad de movimiento y la capacidad operativa son tres factores que se están fusionando constantemente para impulsar activamente una nueva iteración importante de la plataforma en el campo de la computación.

A pesar de que la capacidad de cálculo y los dispositivos de hardware se están convirtiendo en productos comercializables, lo que aporta ventajas de costos a la ingeniería robótica, la industria todavía enfrenta limitaciones debido a los cuellos de botella en los datos de entrenamiento. En este contexto, algunos proyectos han comenzado a utilizar inteligencia artificial física descentralizada (DePAI) para externalizar datos de movimiento y síntesis de alta precisión, y construir modelos básicos de robots. Esto les coloca en una posición única y ventajosa para impulsar el despliegue de robots humanoides.

De una función única a una forma multifuncional

La comercialización de la tecnología de Bots no es un concepto nuevo. Los Bots domésticos, como los robots aspiradores o las cámaras para mascotas, son dispositivos de función única. Con el desarrollo de la inteligencia artificial, los Bots están evolucionando de máquinas de función única a formas multifuncionales, con el objetivo de adaptarse a las operaciones en entornos abiertos.

Los robots humanoides se actualizarán gradualmente en los próximos 5 a 15 años de tareas básicas como limpieza y cocina, hasta ser capaces de realizar trabajos complejos como servicios de recepción, extinción de incendios e incluso cirugía.

El desarrollo reciente está convirtiendo los robots humanoides de la ciencia ficción en realidad:

• Dinámica del mercado: más de 100 empresas están posicionándose en el sector de los Bots humanoides
• La tecnología de hardware ha cruzado con éxito el valle inquietante: la nueva generación de robots humanoides exhibe movimientos tan naturales y fluidos como el agua que fluye, lo que les permite lograr interacciones humanoides en entornos reales. Algunos robots pueden alcanzar una velocidad de caminata de hasta 3.3 metros por segundo, superando con creces la velocidad promedio de 1.4 metros por segundo de los humanos.
• Nueva paradigma de costos de robots humanoides: se espera que para 2032 esté por debajo del nivel salarial de la mano de obra en EE. UU.

Cuello de botella en el desarrollo: Datos de entrenamiento del mundo real

A pesar de los evidentes factores positivos en el campo de los robots humanoides, la baja calidad de los datos y la falta de ellos siguen obstaculizando su implementación a gran escala.

Otras tecnologías de entidades de inteligencia artificial, como la tecnología de conducción autónoma, han resuelto fundamentalmente los problemas de datos a través de las cámaras y sensores montados en los vehículos existentes. Algunas flotas de sistemas de conducción autónoma pueden generar miles de millones de millas de datos de conducción en carreteras reales. En las primeras etapas de desarrollo, estas empresas hacían que los vehículos circularan con un monitor humano en el asiento del copiloto para entrenamiento en tiempo real.

Sin embargo, es poco probable que los consumidores acepten la existencia de "Bots niñeras". Los Bots deben tener un alto rendimiento listo para usar, lo que hace que la recopilación de datos previa al despliegue sea crucial. Todo el entrenamiento debe completarse antes de la producción comercial, y la escala y calidad de los datos siguen siendo un problema persistente.

Existen grandes diferencias en la escala de los datos de entrenamiento en diferentes campos de inteligencia artificial:

• La escala de los datos de entrenamiento de los grandes modelos de lenguaje puede superar los 15 billones de marcas de texto.
• Los modelos de generación de imágenes utilizan miles de millones de pares de texto de video etiquetados.
• En comparación, el mayor conjunto de datos de Bots solo contiene alrededor de 2.4 millones de registros de interacción.

Esta brecha explica por qué la tecnología de Bots aún no ha logrado un verdadero modelo base como lo han hecho los grandes modelos de lenguaje, y la clave radica en que la base de datos aún no está completa.

Los métodos tradicionales de recolección de datos no pueden satisfacer la demanda de escalabilidad de los datos de entrenamiento para los robots humanoides:

• Simulación: bajo costo pero falta de escenarios de límites reales (la brecha entre la simulación y la realidad)
• Video en Internet: no se puede proporcionar la percepción corporal y el entorno de retroalimentación de fuerza necesarios para el aprendizaje de Bots.
• Datos del mundo real: aunque son precisos, requieren control remoto y operaciones de ciclo cerrado manual, lo que resulta en altos costos y falta de escalabilidad.

Entrenar modelos en un entorno virtual es económico y altamente escalable, pero estos modelos a menudo enfrentan dificultades al ser desplegados en el mundo real. Este problema se conoce como la brecha de Simulación a Realidad (Sim2Real).

Por ejemplo, un Bots entrenado en un entorno simulado podría levantar fácilmente objetos con iluminación perfecta y superficies lisas, pero cuando se enfrenta a entornos desordenados, texturas irregulares o diversas situaciones inesperadas que los humanos consideran comunes en el mundo real, a menudo se encuentra impotente.

Visión de stack completo de AI descentralizada

Algunos proyectos innovadores están construyendo una plataforma de software y datos de integración vertical orientada a aplicaciones de robots inteligentes corporales. El objetivo central de estos proyectos es resolver el problema del cuello de botella de datos en el campo de los robots humanoides, pero su visión va mucho más allá. A través del desarrollo autónomo de hardware, la combinación de infraestructura de simulación multimodal y modelos básicos, se convertirán en impulsores de pila completa para lograr la inteligencia corporal.

Estas plataformas comienzan con dispositivos de captura de movimiento de consumo exclusivo y construyen un ecosistema de juegos de realidad aumentada y virtual en rápida expansión. Los usuarios intercambian datos de movimiento de alta fidelidad por recompensas de incentivos en línea, impulsando el desarrollo continuo de la plataforma.

Es notable que este crecimiento provenga completamente del desarrollo natural: los usuarios son atraídos por la diversión del propio juego, mientras que los streamers utilizan dispositivos de captura de movimiento para realizar la captura en tiempo real de las posturas de sus avatares digitales. Este ciclo virtuoso que se forma de manera espontánea logra una producción de datos escalable, de bajo costo y de alta fidelidad, convirtiendo los conjuntos de datos relevantes en recursos de entrenamiento que las principales empresas de Bots compiten por adoptar.

Algunos proyectos aún están desarrollando una plataforma de datos multimodal para un entorno de simulación fragmentado y unificado. Actualmente, el campo de la simulación está altamente fragmentado, y diversas herramientas funcionan de manera independiente; aunque cada una tiene sus ventajas, no pueden comunicarse entre sí. Esta situación de división retrasa el progreso de desarrollo y agrava la brecha entre la simulación y la realidad. Al lograr la estandarización de múltiples simuladores, estas plataformas han creado una infraestructura virtual compartida para el desarrollo y evaluación de modelos de Bots. Esta integración apoya pruebas de referencia consistentes, mejorando significativamente la capacidad de expansión y generalización del sistema.

Bots básicos

Algunos proyectos están desarrollando modelos básicos de Bots, que están diseñados como sistemas centrales de la nueva infraestructura de inteligencia artificial física emergente. Su posicionamiento es similar al de los tradicionales modelos de lenguaje amplio, pero orientado al campo de los Bots.

Al combinar los datos de movimiento de crowdsourcing con un potente sistema de simulación y un sistema de autorización de modelos, estos proyectos pueden entrenar modelos base que poseen la capacidad de generalización en diversos escenarios. Este modelo puede respaldar aplicaciones de Bots diversas en los campos industrial, de consumo y de investigación, logrando una implementación generalizada bajo grandes y variados conjuntos de datos.

El papel de la tecnología de criptomonedas en la pila de tecnología de inteligencia artificial física

La tecnología de criptografía está construyendo una pila vertical completa para la inteligencia artificial en el mundo físico. Aunque estos proyectos pertenecen a diferentes niveles de la pila de inteligencia artificial física, tienen un punto en común: la mayoría son proyectos de inteligencia artificial física descentralizada (DePAI). DePAI crea un mecanismo de expansión abierto, combinable y sin permisos a través de incentivos de tokens a lo largo de toda la pila tecnológica, y es esta innovación la que hace posible el desarrollo descentralizado de la inteligencia artificial física.

Cuando el mecanismo de incentivos de tokens se inicie oficialmente, la participación en la red se convertirá en un elemento clave para acelerar el efecto de rueda de DePAI: los usuarios que compren equipos de hardware recibirán incentivos del proyecto, mientras que las empresas de desarrollo de Bots pagarán recompensas por las contribuciones a los poseedores de los equipos. Este doble incentivo impulsará a más personas a adquirir y usar los equipos relacionados. Al mismo tiempo, el proyecto incentivará dinámicamente la recopilación de datos de comportamiento personalizados de alto valor, cerrando así de manera más efectiva la brecha tecnológica entre la simulación y la aplicación real (Sim2Real).

Conclusión

La revolución de la plataforma de Bots es imparable, pero, como todas las plataformas, su desarrollo a gran escala depende del apoyo de datos. Algunos proyectos innovadores están convirtiendo al público en "mineros" de datos de acción. Así como los grandes modelos de lenguaje necesitan el apoyo de etiquetas de texto, los Bots humanoides requieren un entrenamiento masivo de secuencias de acción. A través de estos esfuerzos, superaremos el último obstáculo y lograremos la transición de los Bots humanoides de la ciencia ficción a la realidad.