Los robots humanoides ya pueden ser ágiles, pero la inteligencia artificial que los mueve necesita más datos para hacer tareas útiles. Innodata Inc. anunció este 30 de septiembre que abrió un laboratorio para generar esos datos de entrenamiento para la próxima generación de robots con forma humana. La instalación también validará de manera independiente los datos de desempeño que los robots generan internamente.
"La IA física crece más rápido que cualquier otro segmento de la IA, pero todo equipo de robótica choca con el mismo muro. No hay suficientes datos de interacción del mundo real, y los que existen son caros y lentos de producir", dijo Rahul Singhal, CEO de Innodata. "Esta instalación derriba ese muro. Ahora ofrecemos a las empresas de IA física una capacidad completa de punta a punta, desde la recolección de datos hasta la evaluación de modelos, que comprime los ciclos de desarrollo y lleva al mundo antes robots más capaces y más seguros."
Innodata se fundó en 1988 y sostiene que los datos y la IA "están inseparablemente unidos". La empresa de ingeniería de datos, con sede en Ridgefield Park, Nueva Jersey, dijo que entrega los datos de alta calidad, los marcos de evaluación y la experiencia humana que se necesitan para construir sistemas de IA en los que desarrolladores y usuarios puedan confiar a gran escala.
La IA física pide datos de otro tipo
Los grandes modelos de lenguaje (LLM) se beneficiaron de la enorme cantidad de datos disponible en internet, pero los robots no tienen un corpus equivalente sobre el mundo físico, explicó Franklin Tanner, vicepresidente de robótica e IA física de Innodata. "La IA física tiene que ganarse sus tokens una interacción a la vez, y tienen que ser deliberadas", dijo a The Robot Report.
Según Innodata, la nueva instalación de investigación y desarrollo responde a una necesidad urgente de datos de entrenamiento de alta calidad para humanoides, robots industriales y otras formas de IA física. Otros proveedores de datos deducen el movimiento en 3D analizando video en 2D. La empresa dijo que ella captura los datos en 3D directamente desde los cuerpos, sean humanos o mecánicos.
"Simplemente no hay sustituto para la captura directa de movimiento en 3D", afirmó Tanner. "Cuando un modelo de visión por computador intenta darle sentido a una grilla de píxeles en 2D, inevitablemente se cuelan errores."
"Nuestros sensores están diseñados para registrar el más mínimo movimiento de cada articulación, lo que hace el entrenamiento más preciso y eficiente", agregó. "Cuando entrenas un humanoide que pesa casi 200 libras [90,7 kg], tus lecturas no pueden ser aproximadas. Tienen que ser precisas. Y con este laboratorio, lo son."
Tanner puso como ejemplo pedirle a un robot que tome una taza.
"Quieres asegurarte de que la tome de la manera correcta. La mayoría de nosotros la toma por el asa, pero también se puede tomar por la base", dijo. "Eso no está mal, pero si está llena de un líquido caliente, puedes terminar quemándote la mano. Entonces el contexto importa, y eso no siempre está codificado ni siquiera en los conjuntos de datos que existen hoy."
¿Por qué los datos del mundo real son el "estándar de oro"?
Innodata dijo que captura datos del mundo real y produce datos de entrenamiento para humanoides, equipos teleoperados, sistemas vestibles, montajes de sensores, pinzas UMI (Universal Manipulator Interface) y otros sistemas de captura multimodal. Con esos datos se pueden construir gemelos digitales que generan casos límite.
"No hay sustituto para los datos del mundo real", dijo Tanner. "En lo posible, recolectamos datos de un actor o de un robot haciendo algo en condiciones reales. Creo que ese es el estándar de oro. Pero es carísimo, y descubrir todas las formas en que una taza puede venir por una cinta transportadora con el asa apuntando en distintas direcciones no es eficiente."
"El fondo del asunto es cómo crear suficientes datos del mundo real y después sembrar una simulación con ellos", planteó. "Los simuladores se están volviendo bastante buenos para tomar datos reales, hacer la traducción de lo real a lo simulado y luego permutar el entorno para cubrir estas pequeñas explosiones combinatorias de parámetros distintos. El entorno Cosmos de NVIDIA se está volviendo realmente bueno en eso."
Los datos del mundo real también tienen límites. Según Tanner, las respuestas humanas en teleoperación o en captura egocéntrica pueden quedar incompletas. Si una persona deja caer un cuchillo durante una sesión de recolección, por ejemplo, puede dar un paso atrás y apagar el equipo pensando que se equivocó.
"Hoy no tenemos datos de entrenamiento donde humanos y robots interactúen", señaló Tanner. "Es un área en la que estamos trabajando en el laboratorio, instrumentándolo para que varios agentes puedan trabajar juntos. Necesitamos conjuntos de datos más grandes y hechos a medida."
Vicon captura el movimiento con precisión submilimétrica
Innodata montó el laboratorio con Vicon, una empresa líder en captura de movimiento que sigue entregando asesoría técnica. Según Vicon, sus cámaras capturan datos con precisión submilimétrica y latencia de milisegundos.
El laboratorio de Nueva Jersey tiene cámaras de seguimiento óptico infrarrojo de alta precisión y baja latencia que miden el movimiento por debajo del milímetro. Es un nivel de exactitud que métodos como los sensores inerciales vestibles (IMU) o el análisis de video con una sola cámara (monocular) normalmente no alcanzan.
"Muchas empresas de captura de movimiento descubrieron la robótica humanoide últimamente", reconoció Andrew Knox, director general de Vicon. "Pero los equipos que construyen los robots más capaces siguen llegando a la misma conclusión. Si los datos de entrenamiento son aproximados, el robot también lo será."
"Vicon fija el estándar contra el que se mide el dato de movimiento", dijo. "Nuestros sistemas capturan personas, robots y los objetos que manipulan en el mismo espacio, con precisión submilimétrica y latencia de milisegundos."
"Eso te da una referencia independiente, no una estimación", explicó Knox. "Por eso los principales desarrolladores de humanoides, los laboratorios de IA de frontera y las universidades de investigación siguen eligiendo a Vicon, y por eso el laboratorio de Innodata está bien posicionado para convertirse en un punto de referencia para toda la industria de la IA física."
¿Qué pueden hacer los clientes con el laboratorio?
Los clientes de Innodata podrán comprar datos de captura de movimiento en paquetes estándar o encargar proyectos a medida. La empresa afirmó que puede producir datos de entrenamiento para una amplia gama de plataformas de IA física y trasladar datos de movimiento de una plataforma a otra cuando haga falta.
También podrán enviar sus robots a evaluación para confirmar que cumplen las especificaciones. Los expertos de Innodata pueden medir los movimientos y las respuestas de un robot en distintos escenarios guionizados, incluidos algunos donde robots y personas interactúan.
Innodata ofrece además servicios de aseguramiento de seguridad para validar el desempeño de los robots. La empresa dijo que sus expertos en IA física aplican los mismos procesos de calidad de varias etapas que ha pulido durante décadas entregando datos para usos críticos en finanzas, gobierno y salud y, más recientemente, para laboratorios de IA de frontera.
Las cámaras calibradas del laboratorio observan cada robot desde afuera. Así entregan un control externo ("exocéntrico") sobre la telemetría interna ("egocéntrica") del robot, que suele venir con ruido. Según Innodata, esas mediciones sirven para validar los datos internos de un desarrollador y lo que afirma sobre su desempeño, o para entregar mediciones independientes de terceros en confianza y seguridad.
"Tenemos que descubrir cómo hacer más con menos datos", reconoció Tanner. "En mi opinión, ese va a ser uno de los sellos de la próxima evolución de los robots. Tenemos clientes que dicen: 'Solo dame un millón de horas de datos egocéntricos haciendo de todo'."
"Bueno, sí, pero según mis métricas vas a botar el 80% de esos datos", dijo. "Entonces, ¿para qué quieres un millón de horas? ¿Por qué no quieres las 200.000 horas que de verdad le van a servir a tu VLA? Esa es una de las áreas que nuestro equipo está estudiando con una universidad asociada."
