La alemana NEURA Robotics presentó Neuron AI, un modelo fundacional para robots que entiende su entorno con varios sentidos a la vez. El sistema junta la percepción visual con el tacto, el sonido, el lenguaje, los datos de estado del propio robot y la memoria.
La empresa quiere desplegarlo en distintas plataformas robóticas y que cada cliente adapte sus capacidades a su aplicación. La primera demostración la hará con sus robots humanoides.
¿Qué es un modelo PLA?
NEURA describe a Neuron AI como un modelo de percepción, lenguaje y acción (PLA, por sus siglas en inglés). Procesa la información de los sensores y la traduce en movimientos físicos. La arquitectura está pensada para varias plataformas a la vez, de modo que una habilidad se adapte a otra aplicación en vez de programarse de nuevo para cada máquina.
Las fuentes de información que integra son visión 3D, mediciones de tacto y fuerza, audio, datos de estado del robot y lenguaje. Según NEURA, el modelo alinea esas entradas en el tiempo para que el robot interprete lo que lo rodea y no pierda el hilo a medida que avanza la tarea.
Los datos de tacto y fuerza sirven para saber si una interacción física salió como se esperaba. Un cambio en la fuerza de contacto puede indicar si un tornillo quedó bien enroscado, y una señal de audio puede delatar el clic de un pestillo al cerrar. Interesting Engineering aclara que estos ejemplos muestran lo que el sistema pretende hacer y no son resultados de rendimiento verificados por terceros.
La memoria es otra pieza de la arquitectura. NEURA dice que el sistema retiene información de eventos anteriores y de objetos que ya salieron del campo de visión, lo que le permitiría coordinar acciones a lo largo de una tarea de varias etapas.
La empresa no ha publicado benchmarks comparativos que muestren cuánto mejoran la memoria y los sentidos extra frente a un sistema que solo usa visión.
Cinco robots y sin nube
Según el anuncio de NEURA, Neuron AI funciona en cinco cuerpos robóticos distintos:
- los humanoides 4NE1 de tercera y cuarta generación,
- una versión del 4NE1 con ruedas,
- y dos plataformas bimanuales adicionales.
La idea es transferir lo aprendido entre configuraciones de hardware distintas y que el cliente ajuste cada habilidad a lo que necesita.
La información de producto de la empresa indica que la inferencia corre localmente en el robot, sin conexión a la nube. Eso permitiría ejecutar las habilidades aprendidas sin depender de servidores remotos.
¿Cómo se entrena Neuron AI?
El entrenamiento mezcla experiencia real de robots, variaciones simuladas y demostraciones humanas grabadas con trajes llenos de sensores. La infraestructura de entrenamiento de NEURA se llama NEURA Gyms y sirve para recolectar datos, entrenar habilidades y medirlas. La empresa menciona además alianzas de datos industriales con Schaeffler y Bosch.
NEURA usará su plataforma Neuraverse para que los clientes ajusten las capacidades del robot a flujos de trabajo concretos y las distribuyan en sus flotas. Cada cliente decide si mantiene privadas sus habilidades o si comparte capacidades y datos de despliegue con el resto del ecosistema.
La métrica que la empresa usa para medir su avance es el Time-to-Skill, el tiempo que toma enseñarle una tarea al robot hasta que la ejecuta de forma confiable. El anuncio no trae resultados medidos de esa métrica.
La demostración de la lavandería
NEURA mostrará Neuron AI con su humanoide 4NE1 en NVIDIA GTC Berlin, del 20 al 22 de octubre. La secuencia autónoma anunciada dura 11 minutos. El robot ordena la ropa, carga una lavadora, la cierra y la vuelve a abrir, saca la ropa y la pasa a una secadora, todo sin intervención humana.
La demostración busca mostrar cómo el sistema coordina varias acciones sin perder el contexto de la tarea. Cubre el manejo de la ropa y no un ciclo completo de lavado y secado.
