Por Markus Wulfmeier, científico jefe.
En nuestra búsqueda de una IA física de propósito general, nuestro campo sigue mirando hacia el futuro: diseñando simulaciones masivas, recopilando vídeos de internet y gestionando conjuntos de datos de teleoperación cada vez mayores. Sin embargo, la robótica ya está generando discretamente su propio análogo de datos a escala de internet: datos de implementación de sistemas reales que realizan trabajo real en producción.
Los datos más relevantes de la robótica son el resultado del trabajo útil que realizan las máquinas en el mundo físico, del mismo modo que internet es el resultado del trabajo útil que realizan (ocasionalmente) las personas en el mundo digital. Se generan ahora mismo, se descartan en su mayoría y esperan ser utilizados. Estos datos, junto con los sistemas de control modulares existentes que los generan, constituyen la ventaja decisiva de la robótica sobre otras modalidades. Son la base de lo que denominamos IA física centrada en el dominio.
La apuesta dominante en la IA física actual se centra en la generalidad: lo difícil es entrenar un modelo suficientemente grande y general en vídeo, simulación y teleoperación, que finalmente sea lo suficientemente bueno en todo. Nosotros apostamos por lo contrario. El dominio es el desafío más importante en la IA física actual. Esto significa que debemos profundizar en tareas reales, en implementaciones reales, hasta que el sistema gestione la cola larga que solo aparece en producción y, a partir de ahí, expandirnos a tareas, configuraciones y representaciones robóticas vecinas. Mantenemos esta visión con convicción, pero sin dogmatismo. Los modelos generalistas son realmente capaces, mejoran rápidamente y nos basamos directamente en ellos. Nuestra afirmación es más específica y, creemos, más defendible: el tramo final y decisivo de fiabilidad, desde la demostración impresionante hasta la operación autónoma con un 99,91 % de precisión a 4 T+, se logra en la implementación, no en el preentrenamiento. La autonomía está limitada por la cola larga, y esta solo se revela en producción. El ’momento ChatGPT“ de la robótica no llegará gracias a un único modelo revolucionario. Llegará a través de la implementación —clientes reales con objetivos reales— y ese es el problema más difícil en robótica.
La IA física es, en esencia, un problema de transferencia de conocimiento. Resolver todos los escenarios de borde por adelantado es imposible, por lo que la pregunta es por dónde empezar. Aquí, la proximidad es vital. Del mismo modo que el preentrenamiento matemático establece mejores condiciones para las tareas cuantitativas, la información más crítica para la generalización y la adaptación en producción proviene directamente de los entornos de implementación. Al igual que la web generada por humanos para la IA digital, esta internet de la robótica es un punto de partida, no un destino final para nuestros modelos. Finalmente, la implementación fundamenta no solo los datos, sino también los puntos de referencia. Dado que la evaluación rigurosa impulsa el rendimiento, medir lo que la producción realmente exige mitiga la ley de Goodhart y la influencia de las métricas indirectas.
Integrar el proceso de entrenamiento en la implementación sienta las bases para crear IA física útil a gran escala. Por sí solos, los modelos actuales, ya sean abiertos, cerrados o desarrollados internamente, se sitúan muy por debajo de las tasas de éxito que exige la producción. La arquitectura modular existente crea un sistema de protección alrededor del modelo: detecta fallos, mantiene el sistema general por encima del umbral de autonomía y permite una evaluación segura mientras el modelo sigue mejorando. Al mismo tiempo, nuestros modelos ya superan a la arquitectura clásica en algunos aspectos, de modo que el sistema combinado —la arquitectura clásica más VLA— da como resultado un sistema superior. Esto nos permite implementar modelos en operaciones reales desde el primer día, con clientes de pago, en lugar de en proyectos piloto independientes.
El sistema de optimización transforma nuestra concepción de la preparación: impulsa nuestros modelos y ciclos de iteración. Los modelos pueden ampliarse y corregirse de forma económica mediante un número reducido de demostraciones exitosas, trayectorias imperfectas de pila clásica o simulaciones específicas. El aprendizaje por refuerzo a gran escala, tan crucial para el dominio físico, puede finalmente centrarse en los problemas relevantes, dentro de un flujo de trabajo de implementación seguro y robusto. En lugar de optimizar un único sitio, el objetivo se convierte en la velocidad y la eficiencia de la escalabilidad: la facilidad con la que la experiencia se transfiere a la siguiente planta, configuración o implementación robótica. La pila clásica va más allá de simplemente optimizar el modelo: impulsa el modelo base en sí mismo.
Por consiguiente, creemos que la IA física madurará en almacenes y fábricas mucho antes que en los hogares. Los datos ya existen, la implementación permite la evaluación y la iteración, y la retroalimentación específica perfecciona los modelos durante la última y más difícil etapa para lograr una fiabilidad extrema. La simulación y la teleoperación seguirán vigentes, pero su función pasará de ser fuente de datos primaria a convertirse en herramientas que complementan y aceleran el aprendizaje basado en la implementación.
Por eso, este no es el camino a seguir para una startup recién creada. La primera prueba fehaciente de que la IA física está lista no provendrá de una aplicación novedosa desarrollada desde cero, sino de una empresa ya existente que utilice sus sistemas autónomos implementados para impulsar la próxima generación de modelos.
Ya estamos viendo los primeros indicios que respaldan nuestra tesis. Hemos implementado en producción lo que creemos que es el primer sistema VLA de manipulación de objetos del mundo, resolviendo casos límite específicos en operación real con un cliente real, en lugar de un proyecto piloto independiente. Y el mismo ciclo de inercia se utilizará para adaptarlo a diferentes herramientas, incluyendo nuestra pinza para cajas de zapatos: una primera prueba directa de la eficacia con la que la experiencia se transfiere de una configuración a otra.
.svg)
Este patrón se extiende más allá de la acción, abarcando la percepción. La iteración basada en la implementación ha llevado nuestros sistemas de comprensión visual más allá de los límites operativos que los modelos generalistas de última generación no podían alcanzar en condiciones de producción idénticas. Esta es la diferencia entre una demostración impresionante y un sistema que supera el umbral donde comienza la autonomía y el retorno de la inversión. Próximamente compartiremos una publicación detallada sobre cómo esto permite dominar la comprensión específica del mundo físico.
¿Qué sigue?
Aún queda mucho por aprender sobre el aprendizaje automático integrado en la implementación: la poca cantidad de datos específicos necesarios para adaptar una política de producción, qué representaciones se transfieren mejor entre diferentes entornos y configuraciones, y cómo los predictores de éxito permiten a los sistemas identificar y corregir sus propios fallos. Nos comprometemos a compartir más información a medida que avance esta investigación y esperamos fomentar nuevas colaboraciones.
Buscamos investigadores e ingenieros de primer nivel para unirse a nuestro equipo. Si te apasiona el desarrollo de soluciones de IA física a gran escala, implementándolas en entornos reales en lugar de prototipos, ¡queremos conocerte!
