Columna firmada por Vibhor Sood, cofundador y vicepresidente de ingeniería de Burro Robotics.

En 2018, Burro hizo una demo. El robot funcionó. Nos entusiasmamos. Creímos que entendíamos el problema. No entendíamos el problema.

Lo que entendíamos era cómo hacer que un robot rindiera en condiciones que controlábamos, ante un público predispuesto a verlo triunfar, en un horizonte de tiempo lo bastante corto como para que la larga cola de fallas del mundo real no alcanzara a aparecer. Eso es una demo. Es una prueba de concepto para el mejor escenario posible.

No es una prueba de concepto para un martes por la mañana de noviembre, cuando llueve, la luz es plana, un trabajador se acerca desde un ángulo inesperado y el robot opera en un país donde nunca ha estado.

La brecha entre esas dos cosas es donde fracasan la mayoría de las empresas de robótica. No porque su tecnología sea mala, sino porque optimizaron lo equivocado durante demasiado tiempo. Mantuvieron viva la demo mientras el problema real del despliegue quedaba sin resolver.

De la demo al producto

Burro tomó otro camino, aunque no por ser más listos. Lo tomamos porque no teníamos alternativa. Los entornos en los que trabajábamos eran agrícolas, a la intemperie, sin infraestructura fija, sin iluminación controlada y sin GPS confiable bajo el follaje.

La fuerza laboral agrícola no iba a modificar su comportamiento para acomodar a una máquina. Nada de eso permitía el tipo de optimización en condiciones controladas que la robótica de interior puede sostener durante años antes de chocar con el mundo real. Tuvimos que enfrentar el problema real de inmediato, lo que significaba empezar a aprender de él de inmediato.

Lo primero que aprendimos fue sobre la tolerancia. Quien depende de un robot para su sustento tiene tolerancia cero a la falta de fiabilidad.

Cuando un cliente adopta por primera vez un sistema autónomo, lo piensa como una herramienta nueva e interesante. En semanas, si el sistema entrega valor, su modelo mental cambia por completo. Ahora dependen de él. Organizaron su flujo de trabajo a su alrededor. Le dijeron a su equipo que planificara contando con él.

Cuando falla, no quedan levemente decepcionados. Se enojan como uno se enoja cuando falla una infraestructura crítica, porque en eso se convirtió. Este salto de la novedad a la dependencia ocurre más rápido de lo que la mayoría de las empresas espera, y la vara de fiabilidad que impone es más alta de la que cualquier entorno de laboratorio te preparará.

Trabajar a la intemperie

Lo segundo que aprendimos fue sobre la variabilidad ambiental. Nada al aire libre es estático. La misma hilera se ve distinta al amanecer, al mediodía y al atardecer. Se ve distinta en verano y en invierno, con lluvia y con sol, con polvo y con barro. La temperatura va desde bajo cero hasta los 49 grados Celsius (120 grados Fahrenheit).

El robot que rinde de forma confiable en todas esas condiciones no es una versión mejor del robot que rinde en una sola de ellas. Es un logro de ingeniería fundamentalmente distinto, construido a partir de la exposición a esas condiciones a lo largo del tiempo, no de modelarlas en simulación.

Los entornos industriales de exterior que representan la próxima frontera de la robótica autónoma plantean exactamente este mismo conjunto de problemas, con algunos añadidos. Un patio portuario tiene la variabilidad de las condiciones al aire libre más la complejidad del tráfico de vehículos pesados, el movimiento irregular de personas y operaciones que corren de forma continua, sin pausas estacionales.

Un campus logístico tiene la imprevisibilidad del terreno exterior más las exigencias de rendimiento de un negocio que no puede absorber tiempos muertos. Una obra de construcción tiene todo lo anterior más un entorno que cambia físicamente cada día a medida que avanza el trabajo.

El cuello de botella real

Ninguno de estos entornos se resuelve dentro de un laboratorio. Ninguno se resuelve solo con simulación, por sofisticada que llegue a ser. Solo se resuelven estando en ellos: acumulando datos operativos reales, fallando de forma segura, aprendiendo rápido e iterando ese aprendizaje a escala de flota.

Un error cometido en un entorno, absorbido por el sistema y corregido, vuelve más confiable a cada unidad que opera en cualquier lugar. Eso no es una ventaja teórica. Es la única manera en que esta clase de problema se resuelve de verdad.

El cimiento de investigación que desbloquearía la próxima fase de la robótica autónoma de exterior e industrial es la localización y percepción sin infraestructura en condiciones no estructuradas de mundo abierto. La capacidad de saber con precisión dónde estás y qué te rodea, manteniendo ese conocimiento de forma confiable a medida que los sensores se degradan con el tiempo y el entorno cambia, sin ninguna infraestructura de apoyo, es lo que separa a los sistemas que funcionan en demostraciones de los que funcionan en el mundo.

Esto recibió inversión seria de investigación para entornos de interior hace una década. No ha recibido una inversión equivalente para entornos de exterior no estructurados, y esa brecha es el principal cuello de botella técnico que queda.

La industria de la automatización ha hecho un trabajo extraordinario dentro de entornos controlados. El valor de la próxima década está fuera de esos entornos, en los patios, corredores y sitios donde la economía física realmente opera.

Las lecciones para llegar ahí no están en la literatura de investigación. Están en ocho años de operación en terreno, en un conjunto de datos que nadie más tiene y en una comprensión muy clara de la diferencia entre una demo y un despliegue.

Sabemos lo que cuesta aprender esa diferencia. La pagamos por completo.

Sobre el autor

Vibhor Sood es cofundador y vicepresidente de ingeniería de Burro Robotics, con sede en Filadelfia. Construye los robots Burro y su software los controla. Ha desarrollado buena parte de los enfoques de visión por computador para localización y autonomía de la empresa. Antes de Burro trabajó como investigador en los Vader Labs de la Universidad de Lehigh, donde se especializó en localización precisa de exterior sin infraestructura, y como ingeniero de software en Samsung.