Un brazo robótico recibe la instrucción de barrer un bloque hacia un tazón usando una pala y una escobilla. Le retiran la escobilla de la escena. El robot improvisa: usa la pala como si fuera escobilla y empuja el bloque hacia el tazón de un golpe seco. La secuencia la presenció el periodista Will Knight en las oficinas de Generalist AI, en Cambridge, Massachusetts, y la relató en Wired.
Los brazos de la empresa dominaron un abanico de tareas después de ingerir un video instructivo corto y, lo más llamativo, sin entrenamiento específico para cada tarea. Apilar vasos, poner bloques en tazones, ese tipo de labores simples que en robótica siguen siendo sorprendentemente difíciles de generalizar.
En otro caso, un robot de dos brazos miró un clip de video donde alguien abría el cierre de un monedero y sacaba unos billetes. El robot abrió el cierre de un monedero distinto y retiró los billetes con cuidado. Al no lograr tomar el dinero, cambió de la pinza derecha a la izquierda para conseguir un mejor ángulo de ataque. Un ingeniero que estaba cerca reaccionó con sorpresa: nunca antes había hecho eso.
¿Por qué esto se parece al salto de GPT-3?
El cofundador y director ejecutivo Pete Florence hizo la comparación explícita.
"Esto es exactamente el tipo de cosa que entusiasmaba tanto a la gente con GPT-3", dijo Florence, en referencia al modelo de lenguaje de OpenAI lanzado en 2020. "Podías tomar ese modelo y simplemente pedirle una tarea nueva, y tenía una posibilidad real de hacerla."
Generalist parece estar enfocada en enseñarle a sus robots la física del mundo, un enfoque que evoca el sentido intuitivo de la física que los humanos exhiben desde temprana edad. Eso podría explicar la capacidad del modelo de transferir lo aprendido en un escenario a otro distinto. Varias demostraciones de la compañía recuerdan cómo los niños improvisan y experimentan cuando se les muestra una tarea. Los investigadores han quedado sorprendidos más de una vez por lo que decide hacer el robot: uno eligió barrer objetos con una banana cuando se la pusieron delante.
Puede parecer trivial, pero la inteligencia física sigue siendo algo que a las máquinas les falta en gran medida, y la eficiencia con que los bebés aprenden sobre su entorno podría ofrecer pistas importantes para la investigación en IA.
Quiénes están detrás
Florence y Andrew Barry, cofundador y director de tecnología, recibieron a Knight en una sala de reuniones con vista a equipos de personas entrenando robots con guantes especiales. El tercer cofundador y científico jefe es Andy Zeng. Los tres traen antecedentes de peso: trabajaron previamente en Google DeepMind y en Boston Dynamics, en algunos de los modelos robóticos y del hardware más avanzados que existen.
Tradicionalmente, entrenar un robot con IA para hacer tareas distintas ha significado alimentar el modelo con miles de ejemplos. Es un aprendizaje notoriamente imperfecto: basta cambiar algo tan simple como la iluminación para que el robot se trabe.
Guantes con cámara, y un destino que incluye a la región
Generalist y otras startups de robótica están invirtiendo fuerte en un modelo robótico general entrenado por humanos. La compañía fabrica guantes especiales que se parecen a pinzas de robot y llevan cámaras adosadas, con los que después las personas ejecutan distintas labores. Knight vio una caja apilada con varios cientos de esos guantes, destinados a trabajadores en México y otros lugares.
Ese detalle no es menor para LatAm. La recolección de datos de interacción física, que es el insumo más caro de este enfoque, se está tercerizando fuera de Estados Unidos, y México aparece entre los primeros destinos. Significa que una parte del trabajo humano que sostiene a la próxima generación de modelos robóticos se hará en la región, en un rol que hoy no tiene nombre claro ni estándar laboral asociado.
Florence y su equipo son reservados sobre la receta exacta con que entrenan a los robots, pero afirman que la compañía ya reunió una cantidad enorme de datos de entrenamiento de alta calidad. A diferencia de otras empresas que persiguen robots más inteligentes, además construyeron sus modelos de IA enteramente desde cero, en vez de apoyarse en un modelo de lenguaje de código abierto.
Danfei Xu, especialista en robótica de Georgia Tech que conoce el trabajo de Generalist, sostiene que la startup destaca entre las compañías que persiguen modelos robóticos más generales.
"Han llevado esto al extremo y han hecho un trabajo de ejecución realmente bueno", dice Xu. Además de reunir una cantidad enorme de datos de alta calidad, agrega, "son excelentes especialistas en robótica y han hecho muy buena ciencia".
Xu señala también que lo demostrado hasta ahora sugiere que la empresa tiene la vista puesta en desplegar robots en entornos comerciales reales. "Son los más cerca de algo desplegable", afirma.
"El enfoque de datos de Generalist consiste en recolectar datos de interacción física a gran escala sin atarlos demasiado a un robot en particular", dice Karen Liu, especialista en robótica de la Universidad de Stanford que también conoce a la compañía. "Sus resultados más fuertes sugieren que la apuesta podría estar funcionando."
El número que ordena el entusiasmo
Dicho eso, la propia Generalist admite que las capacidades de aprendizaje de sus modelos todavía no son del todo confiables. Un robot logra completar una tarea que se le ha mostrado alrededor del 59% de las veces, en promedio. Lo ideal sería una tasa de éxito por encima del 99%. Tampoco está claro qué tan bien se generalizarán esas habilidades a cualquier tarea o entorno imaginable.
La brecha entre 59% y 99% es la que separa una demostración de una línea de producción. En manufactura, una tasa de éxito de 59% implica que cuatro de cada diez ciclos requieren intervención humana, lo que anula el ahorro que justifica la automatización. Los cuarenta puntos que faltan son, en la práctica, todo el problema.
Aun así, el potencial de que los robots aprendan habilidades rápido en manufactura parece enorme. Un ingeniero de Generalist pareció descubrirlo una noche reciente. Un video registra el momento: el ingeniero apilaba vasos pequeños sobre la mesa frente a un robot de dos brazos, solo para ver qué hacía la máquina. El robot se sumó de pronto, tomando y apilando otros vasos con sus dos pinzas. Cuando terminó de dejarlos en una pila ordenada, el ingeniero se puso a gritar de entusiasmo, sin dirigirse a nadie en particular.
