En un almacén de California, una prueba combina robótica y lectura cerebral para afinar datos de entrenamiento. La apuesta es resolver la escasez de información real para robots.
En un almacén de San Leandro, California, una prueba con el juego Jenga se convirtió en el laboratorio de una de las apuestas más recientes de la IA física: usar ondas cerebrales para generar mejores datos de entrenamiento para robots.
Allí trabaja Encord, una empresa de herramientas de datos para modelos de inteligencia artificial, mientras Andrew Ceja —uno de los pilotos, como llaman a sus entrenadores robóticos— retira con cuidado bloques de una torre tambaleante. Lleva un casco con cámara para registrar lo que ve y sensores que miden su actividad cerebral durante la tarea.
La escasez de datos físicos empuja nuevos métodos
Encord forma parte de un grupo pequeño, pero en crecimiento, de compañías que creen que el próximo gran límite de la robótica humanoide y de almacén no será la arquitectura de los modelos, sino la falta de datos físicos reales.
La empresa, que nació para ayudar a anotar datos y evaluar modelos de visión por computadora, ahora busca producir los datos que sus clientes no tienen. Según Vineeth Velmurugan, jefe de aprendizaje robótico de Encord, al pasar al aprendizaje de extremo a extremo, varios equipos de robótica concluyeron que tendrían que fabricar sus propios datos de entrenamiento porque “los datos simplemente no existen”.
Velmurugan, con experiencia previa en el laboratorio de robótica de OpenAI y en Berkshire Grey, sostiene que la comparación con la IA generativa tiene un límite claro: los robots no pueden aprender solo con texto extraído de internet. El entrenamiento físico exige datos construidos o captados en el mundo real, y eso cambia por completo la economía del sector.
Un casco cerebral para etiquetar intención, error y sorpresa
El casco que usa Ceja fue desarrollado por Zander Labs, una empresa alemana de neurociencia que apuesta por medir la actividad cerebral para inferir estados mentales como error, intención y sorpresa. Encord y Zander realizan por ahora una prueba piloto para crear un primer conjunto de datos etiquetados con ondas cerebrales y comprobar si mejora el rendimiento de los modelos robóticos antes de ampliar el proyecto.
Lucas Gehrke, neurocientífico de Zander que supervisa el trabajo, explica que la cantidad de actividad cerebral registrada durante una tarea puede dar pistas sobre cuándo los modelos necesitan desplegar su nivel más alto de esfuerzo.
En las instalaciones de San Leandro, los pilotos también trabajan con brazos robóticos acoplados en sistemas de líder y seguidor para registrar tareas como servir café, apilar fichas de póker o manipular objetos domésticos. Entre los materiales disponibles hay flores artificiales, libros, vegetales plásticos, bandejas de arena para gatos, cables y otros elementos usados para entrenar manipuladores.
Otra línea de trabajo utiliza sensores en el antebrazo para detectar señales eléctricas en los músculos y reconstruir en tres dimensiones la posición de la mano. La idea es que, como los videos suelen no capturar por completo el movimiento de los dedos, esos sensores aporten una visión más robusta para los modelos.
Velmurugan estima que este tipo de anotación densa puede valer hasta 100 veces más que los datos “sucios” de egocámara para tareas específicas, aunque producirla cuesta 20 veces más. En un sector donde la materia prima no se descarga de la web, sino que se fabrica, esa diferencia ya está moldeando la forma en que se construye la próxima generación de robots.
Ceja, que antes trabajó en una empresa de manejo de desechos y estaba a cargo de mantener operativo un clasificador robótico de basura, resume el trabajo con una frase simple: cada día plantea un reto nuevo.
Del video de egocámara a la fábrica de datos robóticos
Hoy, las empresas que desarrollan cerebros para robots recurren sobre todo a dos fuentes: video de egocámara captado por trabajadores con cámaras y datos generados por robots operados a distancia. Encord usa ambos métodos, con material recogido en varias fábricas del mundo y con su instalación en San Leandro para experimentar con nuevas modalidades.
Ese enfoque, sostiene Velmurugan, ayuda a detectar qué técnicas de datos están ganando terreno en toda la industria antes de que lo note cada cliente por separado. Mientras tanto, el grupo de pilotos en el almacén sigue resolviendo tareas minuciosas que todavía están lejos del alcance de la automatización total.
Al mover bloques de madera, Ceja resume el espíritu del experimento: “¡Es algo nuevo todos los días!”.
