Skild AI presentó S1, el modelo base insignia de la compañía para robots. Desde su fundación en 2023, la empresa ha levantado cerca de 1.700 millones de dólares en financiamiento para construir lo que describe como un cerebro robótico de propósito general.

Con S1, los robots pueden aprender tareas nuevas y complejas mirando un solo video, según afirmó la compañía. Para lograrlo, el modelo usa aprendizaje en contexto, explicó Deepak Pathak, cofundador y director ejecutivo de Skild AI, a The Robot Report.

"Simplemente agregas un video de un humano haciendo algo en el prompt, que también se llama el contexto del modelo, y el robot puede seguirlo", dijo Pathak. "Las tareas que estamos mostrando son extremadamente complejas y de horizonte largo. No son tareas de tres o cuatro segundos, no son esas tareas pequeñas y simples".

¿Con qué datos se entrena S1?

Normalmente, cuando enfrentan tareas nuevas, los modelos de IA montados en robots necesitan un postentrenamiento para poder manejarlas. Ese proceso puede ser largo y es una de las razones que frena el escalamiento de la robótica. De acuerdo con Pathak, existen cuatro tipos de datos de entrenamiento robótico y Skild usa los cuatro:

  • Datos de teleoperación: un humano controla directamente las acciones de un robot. Pathak señaló que este tipo es lento de capturar y no entrega un rango diverso de datos, aunque es de muy alta calidad porque proviene directamente de un robot.
  • Videos de humanos: el robot aprende a hacer una tarea mirando el video de una persona haciéndola. Este material es abundante y diverso, pero difícil de aplicar directamente a un robot.
  • Simulación: muy común en robótica, consiste en usar un entorno simulado para enseñarle una tarea al robot. Es altamente escalable, porque ocurre por completo en un computador, y muy diversa, pero sigue existiendo una brecha entre la simulación y el mundo real.
  • Guantes de captura de datos: humanos con guantes especiales ejecutan la tarea para enseñársela al robot. Es algo más escalable que la teleoperación, aunque también algo menos aplicable de forma directa.

"Si miras a cualquier empresa allá afuera, se están enfocando principalmente en una de estas fuentes. Pero si pensamos desde los primeros principios, nos damos cuenta de que no hay un camino dorado", dijo Pathak. "Tenemos que usarlas todas, porque las ventajas de una fuente compensan las desventajas de otra".

"Los videos de humanos son diversos, pero están lejos de un robot. Puedes combinar eso con datos de guantes o de teleoperación", agregó. "Así es como combinamos nuestras fuentes de datos para el preentrenamiento".

Tareas largas y varios cuerpos

Por ahora, Skild AI dice que no está enfocándose en ninguna tarea o industria específica. "Mucha gente en redes sociales ha estado haciendo preguntas, y nosotros hemos estado respondiendo continuamente con tareas nuevas, porque es bastante generalizado", indicó Pathak.

El punto importante es que Skild apunta a tareas más largas, que pueden tomar hasta 10 minutos, como trasplantar una planta, preparar una taza de café o cocinar panqueques.

"Cuando el robot dio vuelta el panqueque, quedamos tan paranoicos que volvimos y revisamos todos nuestros millones de horas de datos buscando cualquier ejemplo de volteo de cualquier tipo, y no había ninguno", contó Pathak. "Ese volteo básicamente emergió de mirar cómo se mueve la espátula, y el robot simplemente pudo hacerlo".

El cerebro de Skild también es "omnicorpóreo", según la empresa. Pathak dijo que puede funcionar en cualquier cosa, desde un cuadrúpedo hasta un humanoide o un brazo estático. A futuro, la compañía planea dedicar más tiempo a mejorar el desempeño del modelo en humanoides.

"Tenemos resultados donde, si un humanoide va caminando, sus extremidades pueden romperse y él puede adaptarse sobre la marcha", afirmó. Sin embargo, esos resultados vienen de una versión anterior del modelo: hasta ahora Skild no ha tenido el tiempo para escalarlo a humanoides.

¿Está la robótica en su momento ChatGPT?

Es fácil comparar lo que está pasando con los modelos base para robots con lo que ocurrió con los grandes modelos de lenguaje.

"Los modelos de lenguaje, antes de esta línea GPT, solían ajustarse finamente para cada tarea individual. Incluso después de que los transformers fueron descubiertos e inventados, todavía había que hacer ese ajuste fino para cada nuevo benchmark, cada problema matemático, cada escenario nuevo", explicó Pathak. "El gran cambio en lenguaje llegó con la transición a ChatGPT, donde no tienes que hacer ajuste fino ni entrenar la red. Puedes simplemente escribir en el prompt y el modelo puede seguirlo".

Aunque Pathak cree que esto es un paso en la dirección correcta, no piensa que la robótica esté todavía en su momento ChatGPT. "Ahora la pregunta es: ¿está completamente listo para desplegarse en las casas de la gente? No del todo. Pero esta es la primera señal de lo que creemos que podría venir", dijo.

Despliegue como prioridad

Mirando hacia adelante, Pathak adelantó que Skild AI tiene más lanzamientos grandes en camino. "Verán en las próximas semanas cómo S1 ya está ayudando en producción", señaló. "En realidad nos está ayudando a movernos más rápido para adquirir más clientes".

Skild tiene la mira puesta en los despliegues, algo en lo que su reciente adquisición de Fetch Robotics debería ayudar. Según Pathak, comprar Fetch se trató de conseguir el talento adecuado para poder desplegar y escalar.

"Por supuesto, vamos a seguir escalando la investigación de frontera, pero al mismo tiempo el despliegue es una alta prioridad", cerró Pathak.