Los robots todavía no son tan buenos para levantar cosas, a pesar de miles de millones de dólares de inversión e infinitos videos alimentados a modelos de aprendizaje profundo.
Eso podría estar a punto de cambiar, gracias a una arquitectura de manipulación construida por Eka Robotics, que abarca una pinza sensible a la fuerza y un nuevo tipo de modelo de aprendizaje profundo. Fundada por el profesor del MIT Pulkit Agrawal y el exinvestigador de Google DeepMind Tuomas Haarnoja, la startup acaba de cerrar una ronda Series A de $150 millones que la valora en $1.45 mil millones post-money, liderada por los fondos de capital de riesgo a16z y F-Prime.
“Ya están superando el rendimiento sobrehumano en ciertas tareas, y por eso creemos que en los próximos meses habrá un rendimiento sobrehumano en muchas tareas de manipulación diestra,” dijo Raghu Raghuram, socio general de a16z que co-lideró la ronda de financiación, a TechCrunch.
En una era de demostraciones robóticas interminables, las capacidades de Eka están sorprendiendo a los constructores de robots veteranos.
Kris Hauser, profesor de la Universidad de Illinois Urbana-Champaign, dijo que tenía un “factor wow” en comparación con otras demostraciones de robots que vio recientemente. El robot de Eka “fue capaz de adaptarse a una gran cantidad de objetos diferentes sin reentrenamiento,” dijo Hauser, añadiendo que también tenía un aspecto de “humanidad, una humanidad escalofriante en el sentido de que lo intentaría una y otra vez si fallaba la primera vez.”
Otro roboticista, que pidió anonimato debido a su trabajo en un laboratorio de frontera, le dijo a TechCrunch que ver al robot de Eka en acción fue una experiencia emocional, comparable a cuando los robots lograron por primera vez una locomoción bípeda confiable hace cinco a 10 años. Véalo usted mismo:
Cargando el reproductor…
¿Qué es notable aquí? La fluidez y rapidez con la que se mueve el robot. Puede levantar alrededor de 1,500 objetos que pesan hasta 1 kg en una hora, en comparación con unos 600 para un humano; Eka dice que levanta objetos de manera confiable más del 95% del tiempo. Y el brazo robótico es lo suficientemente fuerte como para lastimarse a sí mismo al moverse tan rápido. Eso indica, según el observador del laboratorio de frontera, que “tienen mucha confianza en que su algoritmo no romperá el robot. Me pregunto cuántos robots rompieron en el camino?”
Cuando el roboticista del laboratorio de frontera conoció al robot de Eka, le entregó una frambuesa, el artículo de prueba aparentemente favorito del laboratorio. “La experiencia de un robot grande y pesado que se abalanza hacia mi brazo y luego se ralentiza justo a tiempo y me toca con mucha suavidad es una sensación que, mientras hablamos, llevo en mi cuerpo,” le dijo a TechCrunch.
Cómo no aplastar la frambuesa
Estas capacidades son una consecuencia de cómo se construyó el modelo fundacional. En lugar de un modelo visión-lenguaje-acción —que se entrena para comprender la relación entre el lenguaje, las entradas visuales y las acciones— el esquema aquí es un modelo visión-fuerza-acción, que se centra en la relación entre el lenguaje, las entradas de fuerza y las acciones. Los críticos de la dirección actual de los modelos de robótica de IA generativa, como Rodney Brooks, dicen que fracasarán sin un intento de representar la fuerza y el tacto; los resultados de Eka sugieren que tales críticos tienen razón.
“La visión no es la forma principal de resolver este problema del último milímetro,” le dijo el cofundador de Eka, Agrawal, a TechCrunch. “La visión te dice aproximadamente dónde está el objeto, cuál es la pose, pero el agarre real, la búsqueda real ocurre a través de las fuerzas.”
Eka tuvo que diseñar una mano robótica única que fuera más flexible que las pinzas tradicionales e incluyera más sensores de fuerza; reacciona al contacto, razón por la cual no aplasta la frambuesa. Los fundadores son reservados sobre cómo lo lograron por razones competitivas obvias, pero se reduce a usar un simulador de física para modelar las múltiples fuerzas que el robot encontrará al intentar agarrar algo, y usar eso para crear un entorno de aprendizaje por refuerzo que pueda ejecutarse a escala. Dicen que pueden generar miles de horas de experiencia de robot en minutos.
“En lugar de estar limitado a los datos que estás recolectando de, digamos, demostraciones humanas, Eka está impulsando mediante aprendizaje por refuerzo este enfoque donde el robot puede superar cualquier tipo de demostraciones que se le den,” dijo Hauser. “Lo realmente emocionante es que pueden no estar limitados a los datos que se les presentan para el entrenamiento.”
Agrawal y Haarnoja, quienes se conocieron por primera vez en la escuela de posgrado de la Universidad de California–Berkeley, son investigadores líderes en el campo del aprendizaje por refuerzo para el control de robots. La apuesta clave de Eka fue que esta técnica podría hacerse a escala mediante simulación, en lugar de depender de videos recolectados por trabajadores temporales u operadores de robots realizando tareas durante muchas horas. La simulación fue clave para lograr la manipulación confiable de su robot, una hazaña que en el pasado ha demostrado ser más difícil para las tareas que requieren interactuar con objetos, en lugar de evitarlos.
“Lo que EKA está cerrando es la brecha de generalidad-rendimiento, que aflige a mucha de la robótica moderna,” argumenta Agrawal.
Haciendo útil un robot de propósito general
En este momento, los modelos de IA física más generalizables —los que pueden intentar muchas tareas diferentes— no son particularmente buenos en ellas. Pero los modelos de IA entrenados para ser altamente capaces en una sola tarea pueden no cerrar el caso de negocio de una empresa: la promesa de la IA generativa es que los robots puedan aprender rápidamente múltiples tareas, incluso novedosas.
Los enfoques actuales son buenos para producir robots más inteligentes en términos generales que antes — Astra, el último LLM de ChatGPT, puede operar un robot en un entorno desconocido y realizar tareas con él, pero lentamente y a un alto costo. La promesa de un modelo como el de Eka es que se encarga de la fisicalidad mientras un modelo más general toma decisiones sobre cómo resolver un problema. Astra, por ejemplo, puede saber que los platos se apilan en un armario cuando salen del lavavajillas, pero el modelo de Eka es capaz de recoger un plato sin romperlo.
«La mayor parte del campo se ha estado enfocando en la planificación», dice el cofundador de Eka, Haarnoja, «así que abordan desde arriba: inteligencia de alto nivel, empujándola hacia lo físico. Mientras que nosotros lo pensamos desde abajo hacia arriba».
Aun así, Eka todavía tiene que demostrar su valía en el campo. La empresa está trabajando en pilotos secretos con varios clientes industriales que realizan tareas de recoger y colocar y manipulación de cables, pero el salto del laboratorio a la línea de producción es casi tan grande como la brecha entre la simulación y la realidad.
«Lo que va a ser un gran desafío es cuando trabajen con integradores en líneas de ensamblaje reales, y tiene que funcionar sin romperse durante un año entero», dijo Hauser. La otra pregunta abierta es «¿cuán generalizables pueden ser estas técnicas a diferentes tareas?». «Lo que he visto es recoger y colocar, pero muchas tareas industriales que agregan valor implican más que solo recoger y colocar».
Agrawal también está enfocado en la desplegabilidad; actualmente, dice que el hardware de la pinza de Eka — que cuesta menos de $1,000 — está clasificado para 5 millones de ciclos de trabajo, pero el objetivo final es alcanzar la barrera de 20 millones de ciclos establecida por los brazos industriales estándar.
«Lo que estamos construyendo es esa ingeniería de cómo diseñar flujos de trabajo completos, pero estamos empezando siendo muy pragmáticos y diciendo: aquí hay dos verticales en recoger, organizar, colocar y manejo de cables, hagamos que sean un gran éxito», dijo Agrawal. «Una vez que hayamos logrado grandes éxitos en ellas, el cielo es el límite en cuanto a cuánto podemos hacer con el enfoque que estamos desarrollando».