Autor丨Xiang Xin
Editor丨Gao Jinghui
El año pasado, el volumen de envíos verificable públicamente de manos diestras en China fue de aproximadamente veinte mil unidades. Según la observación de Liu Xin, fundador de Boya Intelligence, la mayoría de esas manos diestras terminaron acompañando a robots humanoides en unas cuantas presentaciones y luego fueron abandonadas en un rincón,«juntando polvo después de la actuación». Las manos diestras baratas de baja libertad de movimiento se usan sobre todo para espectáculos; los productos de alta libertad de movimiento, con mayor capacidad de manipulación, se dañan fácilmente: algunas, por su precio, se compran y se exhiben sin atreverse a usarlas; otras se averían entre una semana y dos o tres meses. Esa es la realidad del mercado de las manos diestras que ve Liu Xin. En su opinión, la industria de las manos diestras todavía no tiene respuestas claras ni siquiera sobre quién es el cliente objetivo, qué problema debe resolver y por qué pagaría el cliente. La industria necesita abrir untercer mercado: llevar capacidades de manipulación de nivel científico a aplicaciones reales a un costo aceptable. Pero ese producto aún no existe: las manos diestras más avanzadas de hoy están muy lejos de las capacidades de la mano humana. Esa es la oportunidad de Boya. Liu Xin trabajó casi diez años en Alibaba, fue director técnico de la división de sistemas operativos de Alibaba y responsable de producto de Banma Zhixing, con negocios que abarcaban teléfonos móviles, automóviles, IoT y robots. En 2023 se unió a NIO, a cargo de los productos de inteligencia del automóvil Onvo. En agosto de 2024 fundó Boya Intelligence junto con Zhang Sicheng, cofundador de Banma Zhixing, y dos profesores de la Universidad de Tecnología de Harbin (Shenzhen) y de la Universidad de Ciencia y Tecnología de China, con la esperanza de «fabricar para la inteligencia artificial una mano que de verdad pueda trabajar». Su experiencia en varias industrias lo acostumbró a pensar en un sistema de coordenadas más amplio, y con las manos diestras ocurre lo mismo. Le gusta buscar ideas de producto para las manos diestras en diferentes campos, reflexionar sobre la iteración y la dirección del mercado, referirse a la trayectoria del desarrollo de los automóviles y los teléfonos, y también partir de la evolución biológica y de la estructura del cuerpo humano para pensar en la necesidad del diseño de cinco dedos; cita abundantemente y tiene a mano toda clase de argumentos. Así ha formado opiniones que difieren del juicio predominante de la industria:frente al hardware, los modelos podrían llegar antes al punto de inflexión de las capacidades, momento en el que lo que limite la manipulación de los robots podría ser el cuerpo y no el cerebro;aunque las manos de accionamiento directo van adelante por ahora, las de accionamiento por cables terminarán imponiéndose; el estándar de precisión de las manos diestras debería pasar de la «precisión de posicionamiento repetitivo» a la«precisión mínima controlable». La primera mano diestra de Boya, la Gaoshan S1, tiene 22 grados de libertad y adopta un accionamiento híbrido basado principalmente en cables, complementado con accionamiento directo por engranajes y bielas de husillo. Según Liu Xin, son la primera empresa del mundo en desarrollar una configuración de muñeca con acoplamiento de accionamiento por cables más husillo. Además del hardware, Boya está desarrollando un modelo de «cerebelo» con más de 30 movimientos estándar integrados, que el modelo superior invoca según corresponda, y que ajusta los detalles de ejecución mediante retroalimentación en tiempo real para que la mano diestra complete las operaciones con mayor estabilidad. En esta industria, vender no equivale a usar. ¿Cuánto falta para que una mano diestra sea realmente utilizable? ¿Por qué Boya cree que la vía del accionamiento por cables terminará imponiéndose, y cómo debe hacerse el «cerebelo» de una mano diestra? A continuación, el diálogo entre AI Tech Review y Liu Xin.
01
2 万 manos diestras, la mayoría juntando polvo
▎AI Tech Review: Datos públicos indican que el año pasado el volumen de envíos de manos diestras fue de 2 万 unidades, pero Boya recién lanzó su producto en el mes 6 de este año. ¿Siente que llegó un paso después que el mercado?
Liu Xin: Es posible que la mayoría de esas veinte mil unidades se hayan vendido para acompañar a robots humanoides en espectáculos, y después de las actuaciones juntan polvo. En realidad, la industria de las manos diestras aún no ha convergido en ningún sentido, incluidas las rutas tecnológicas, la definición del producto y el valor para el cliente. La industria todavía está en la etapa temprana del Tesla Roadster y del Li ONE, e incluso más atrás que el Li ONE, porque el Li ONE ya tenía fronteras muy claras de definición de producto, y las manos diestras actuales no. Así que tampoco se puede decir simplemente que alguien llegó tarde.▎AI Tech Review: Según su observación, ¿cuál es la situación actual del mercado de las manos diestras?
Liu Xin: Hoy los productos de manos diestras están polarizados. Una categoría es la de pocos grados de libertad: simples, duraderas y baratas, se pueden comprar por unos pocos miles de yuanes, pero su capacidad de manipulación es muy limitada y se usan principalmente para que los robots humanoides hagan espectáculos, saludar con la mano y cosas así; la otra categoría es la de alta libertad de movimiento, con mejor capacidad de manipulación pero también mayor costo, con precios que en general superan las 10 万, pero tampoco se pueden usar en la práctica: las compran sobre todo instituciones de investigación. Hoy estamos creando el tercer mercado de las manos diestras: llevar parte de la capacidad de manipulación de nivel científico a aplicaciones reales, manteniendo el costo dentro del rango que el cliente pueda aceptar, y resolviendo problemas que los equipos de automatización del pasado no podían abordar. Pero ese producto todavía no existe hoy,las capacidades de las manos diestras más avanzadas y sofisticadas del mercado actual están muy, muy lejos de las capacidades de la mano humana.▎AI Tech Review: ¿Por qué las manos diestras de gama alta con mejor capacidad de manipulación no se pueden usar?
Liu Xin: Porque la gente se dedica más a lucir músculo. Hoy demuestran que saben destapar una botella, mañana que saben atornillar un tornillo, pasado mañana romper un huevo. Pero para un despliegue real, al cliente desde luego le resultará muy difícil aceptar un precio de 5 万 o de más de 10 万.Quien nunca ha llevado un robot a la implementación real no conoce el costo de esa implementación.Un brazo robótico puede costar solo 20 万 al comprarlo, pero para ponerlo en funcionamiento puede hacer falta gastar 100 万 adicionales; con las manos diestras pasa lo mismo. En segundo lugar,las manos diestras de gama alta predominantes hoy tienen una vida útil que puede ser de solo una o dos semanas, o como mucho de uno o dos meses.Hoy todo el mundo está desafiando los límites y demostrando qué tan rápido puede correr. Pero no se puede tomar la velocidad de un sprint de cien metros como la velocidad promedio sostenible en un maratón.▎AI Tech Review: Parece que la situación actual es que la capacidad de los productos de manos diestras está sobreestimada, y la dificultad de hacer una buena mano diestra está subestimada.
Liu Xin: Correcto. Todo lo relacionado con las manos diestras aún es inmaduro, todo es un cuello de botella; desde cualquier ángulo individual hay desafíos, y además la mano diestra es un sistema que requiere integrar todas las cosas, lo cual es un desafío aún mayor.▎AI Tech Review: Analizándolo por partes, ¿cuál es el eslabón donde es más probable que surjan problemas?
Liu Xin:Los motores y la estructura de transmisión son lo que más problemas presenta en una mano diestra.Esta es una contradicción en el diseño de las manos diestras: necesitan alojar en un espacio extremadamente limitado la estructura mecánica, los motores, los circuitos y los sensores, y al mismo tiempo garantizar suficiente fuerza y densidad de potencia. Cuanto más delgados se hacen los dedos, más limitadas quedan la resistencia estructural y la capacidad de carga; sobre todo en las articulaciones, que pueden soportar solo fuerzas de unos cientos de gramos hasta un kilo aproximadamente, y tras una semana de uso continuo llegan a romperse. Para hacer la mano más pequeña, los engranajes deben ser más precisos, con un módulo más pequeño, y cuanto menores son los dientes del engranaje, mayores son las exigencias de precisión de fabricación. Por ejemplo, un engranaje de solo unos pocos centímetros de diámetro en una mano diestra puede tener un módulo de apenas unas décimas. A estas dimensiones, con los niveles actuales de materiales y procesos, los engranajes se desgastan, se deforman e incluso se rompen con facilidad.▎AI 科技评论: en estructuras finas, garantizar la fuerza también es un problema.
Liu Xin: para ejecutar tareas hay que tener en cuenta la fuerza. El pulgar humano tiene una fuerza de 10 kilos. Hoy en día, la fuerza del pulgar de las manos diestras, en la corriente principal, se especifica en 1 kilo, y las más altas en 2 kilos, pero tanto la fuerza especificada como la realmente aplicable presentan desviaciones: si se especifican 1 kilo, puede que en la práctica no se alcancen 1 kilo. Nosotros hemos logrado 3 kilos.▎AI 科技评论: ¿Y el sentido del tacto? ¿Existen ya sensores táctiles verdaderamente utilizables?
Liu Xin: los sensores táctiles todavía están muy lejos de ser verdaderamente utilizables.Hemos probado muchos sensores táctiles de diferentes rutas tecnológicas, pero ninguno está a la altura; todos funcionan con deficiencias.Ahora mismo ni siquiera me preocupo primero por la durabilidad: la propia estabilidad y consistencia de sus señales presentan bastantes problemas por resolver. Por ejemplo, los sensores actuales aún no pueden eliminar bien el ruido generado por las señales residuales. Cuando una persona toma un objeto y lo suelta, las señales de percepción como la fuerza o la visión dejan residuos, pero tras cientos de millones de años de evolución, el cerebro humano y su sistema nervioso ya han aprendido a compensar estos ruidos; los sensores actuales todavía no logran hacerlo. Para que una mano diestra posea una capacidad de percepción cercana a la de la mano humana, aún debe resolver los problemas de la precisión y la distribución de la percepción. La mano humana tiene 17000 nervios sensoriales, pero no están distribuidos de manera uniforme; como en la geografía, hay niveles uno, dos y tres. La palma y el dorso de la mano son las zonas más escasas; las yemas de los dedos tienen aproximadamente el doble, y las puntas de los dedos, unas 4 a 5 veces la palma. Cuanto más cerca de la punta del dedo, más fina es la percepción. Algunos componentes electrónicos tienen pines metálicos, y el operario debe presionarlos con la punta del dedo y juzgar, por la sensación de la fuerza, si los pines están bien conectados. Estas capacidades innatas del ser humano resultan muy difíciles para los robots.Objetivamente, aunque los sensores actuales tienen defectos, son básicamente utilizables; más bien son los modelos los que aún no han explotado plenamente la capacidad del tacto. Cuando se supere ese obstáculo, también se plantearán direcciones de mejora más claras para los sensores.
▎AI 科技评论: ¿La fiabilidad es ahora mismo también un punto de bloqueo para el sector?
Liu Xin: Creo que, en esta etapa, lo más importante para el sector todavía no es la fiabilidad. Así como cuando salió el iPhone por primera vez, la gente decía que había que cargarlo todos los días, mientras que un Nokia no necesitaba cargarse ni siquiera una vez cada quince días, pero los usuarios aceptaban ese compromiso a cambio de la mejora de experiencia que aportaba la inteligencia.Con las manos diestras ocurre lo mismo. La durabilidad no puede ser de solo una semana, pero en esta etapa al menos hay que aspirar a tres meses hasta medio año.Actualmente, el período de garantía predominante en el sector puede ser de 6 meses, y muy pocos se atreven a comprometerse a más de un año. Pero esta garantía de 6 meses, muchas veces, se sostiene reservando de antemano una gran cantidad de fondos de respaldo. Por ejemplo, si un cliente compra una mano diestra, el fabricante puede necesitar preparar el costo de tres. Tesla también pasó por una etapa similar en sus primeros tiempos: algunas piezas se dañaban con facilidad y la política de la empresa era reservar una gran suma; cuando el cliente reportaba una avería, se reemplazaba directamente de forma gratuita. Las nuevas tecnologías y los nuevos productos, al salir al mercado, pueden tener que atravesar una etapa así.▎AI 科技评论: En el sector se dice que el 70 u 80 % de las tareas puede realizarlas una pinza; ¿el mercado de las manos diestras de alta libertad no será más pequeño de lo que se imagina?
Liu Xin: Es fácil predecir las necesidades futuras basándose en las tareas visibles del presente, pero la imaginación humana siempre subestima las posibilidades del mundo físico. Cuando IBM lanzó por primera vez las mainframes, hubo quien pensó que el mundo quizá solo necesitaría unas pocas computadoras. Steve Wozniak llevó el primer prototipo de computadora Apple a Hewlett-Packard, y a HP tampoco le convencía la computadora personal: ¿quién iba a comprar esa cosa? Cuando se lanzó el iPhone, ¿quién podía imaginar que después surgirían tantas aplicaciones, llegando incluso a desarrollarse cientos de millones de escenarios de aplicación? La gente siempre juzga una nueva tecnología según los escenarios de aplicación existentes, y le resulta difícil imaginar un mercado que aún no existe. Solo cuando la capacidad tecnológica mejore se descubrirá poco a poco su potencial. Por supuesto, esto requiere tiempo. Con las manos diestras pasa lo mismo. Hoy la gente piensa que las pinzas ya pueden realizar muchas tareas, pero solo cuando mejore aún más la capacidad de manipulación diestra irán surgiendo poco a poco nuevos escenarios de aplicación. Por ejemplo, algunas pequeñas fábricas de los alrededores de Shenzhen, tras producir piezas, necesitan inspeccionarlas bajo un microscopio electrónico de alto aumento, y hay que girar cada cara de la pieza; una tarea así, una pinza tradicional sin duda no puede hacerla.▎AI 科技评论: ¿Entonces por qué tienen que ser necesariamente cinco dedos? ¿No sirven tres o cuatro?
Liu Xin: Los robots de hoy, ya sea el «cerebro» o el «cerebelo», todavía tienen una comprensión muy insuficiente del espacio y del mundo físico. Por eso, al pensar en cómo construir un robot, es fácil simplificar demasiado el problema. Desde el punto de vista de la evolución biológica, los humanos necesitamos enfrentarnos a una gran cantidad de situaciones que no pueden determinarse de antemano, así que el diseño del cuerpo humano no solo satisface las necesidades de mayor frecuencia, sino que también reserva redundancia para situaciones de baja frecuencia o imprevistas.Que los humanos evolucionaran finalmente hacia una mano de cinco dedos sigue un razonamiento similar: muchas acciones pueden realizarse con dos o tres dedos, pero cinco dedos dejan más margen de capacidad para tareas complejas.De los cinco dedos, el más fuerte es el pulgar: el pulgar de un adulto tiene aproximadamente una fuerza de diez kilos; le sigue el índice, con una fuerza de aproximadamente tres kilos y medio; después están el dedo medio, el anular y el meñique. Los dedos más débiles suelen cumplir funciones de soporte, asistencia y exploración.Hay estadísticas que indican que, en comparación con cinco dedos, por cada dedo menos en una mano de cuatro o tres dedos, la capacidad puede reducirse en torno a un 10 %.Esta redundancia también existe en el cerebro y el sistema motor humanos. Normalmente rara vez usamos toda la fuerza muscular, ni mantenemos la máxima velocidad o la máxima resistencia, pero esas capacidades se conservan para hacer frente a situaciones imprevistas. Con los robots ocurre lo mismo: es necesario reservar margen de capacidad suficiente para tareas complejas y de baja frecuencia.▎Comentario de Tecnología IA: bajando a los escenarios concretos de trabajo, ¿cuántos dedos se necesitan realmente?
Liu Xin: se necesitan al menos 4 dedos. En las fábricas, al usar herramientas eléctricas para atornillar, si solo hay dos dedos, no se puede pulsar el gatillo; si solo hay tres dedos, únicamente dos pueden sujetar el atornillador y el restante va al gatillo, lo cual en realidad tampoco sostiene la herramienta de forma estable.▎Comentario de Tecnología IA: ¿y el meñique? El equipo de ingeniería de Tesla también dudó sobre si incluir ese dedo.
Liu Xin: el meñique tiene menos fuerza y cumple más bien una función auxiliar. Muchas veces, las personas ni siquiera son conscientes de su valor; solo al perderlo o lesionarse se descubre su importancia, igual que al caminar rara vez pensamos en qué músculos usamos, y solo tras un esguince notamos su efecto. Quiero contar un ejemplo contraintuitivo: hacia 2018, OpenAI compró un montón de manos de Shadow para resolver cubos de Rubik. Al resolver el cubo notaron que,el modelo entrenado finalmente usaba el meñique más que los humanos.Como los cinco dedos de Shadow tienen la misma fuerza, el modelo descubrió que, si podía utilizar ese dedo, la eficiencia y la tasa de éxito globales eran mayores, así que tendía a usarlo más. Por eso creo que imitar al humano es el primer paso, y superar al humano quizás sea el futuro.▎Comentario de Tecnología IA: ¿entonces en el futuro podría haber seis dedos?
Liu Xin: es posible. Extranjero, algunas universidades han hecho experimentos instalando a personas un sexto dedo eléctrico; funciona muy bien: es simplemente una ayuda extra; un dedo más significa un canal más para agarrar o colgarse.▎Comentario de Tecnología IA: antes también vi algunos experimentos de muñecas blandas que imitan los tentáculos del pulpo. Si en el futuro los materiales o los algoritmos avanzan lo suficiente, ¿podrían estas soluciones resultar mejores que las manos diestras multipulgar?
Liu Xin: es posible. El cerebro humano es muy adaptable. Con entrenamiento, se puede convertir rápidamente una tercera herramienta en una extensión del cuerpo. Como usar palillos, manejar un coche de carreras con el mando, pilotar un dron o conducir un coche de cambio manual: una vez que se domina, los movimientos no requieren pensamiento consciente, como si se formara una memoria muscular, alcanzando finalmente un estado de «unión entre persona y máquina».▎Comentario de Tecnología IA: ahora la solución de accionamiento directo domina el mercado de las manos diestras de gama alta, pero ustedes hacen accionamiento por cables. Desde la perspectiva del sector, ¿se mantendrá continuamente esa posición dominante del accionamiento directo? ¿Dónde está la oportunidad del accionamiento por cables?
Liu Xin: puedo hacer un juicio:las actuales manos diestras de accionamiento directo líderes ya están cerca del límite físico, el rendimiento existente todavía puede ajustarse finamente, pero en el próximo año o dos, hasta dos o tres años, será difícil lograr grandes mejoras. Y nuestra arquitectura tecnológica basada principalmente en accionamiento por cables, creo que todavía tiene mucho margen de mejora de rendimiento, y en el futuro aún habrá oportunidades de avanzar considerablemente. El accionamiento directo lleva ventaja temporalmente porque se integra mejor. Pero el desarrollo de producto de las manos de cable está iterando cada vez más rápido. Cuando salgan los nuevos productos de manos por cables,todo el mundo verá que las manos por cables superarán en ciertos aspectos a las mejores manos de accionamiento directo de hoy.▎Comentario de Tecnología IA: hay un dicho: que en cuanto los módulos de motor maduren, las manos de accionamiento directo se harán bien. ¿Está de acuerdo?
Liu Xin: que los módulos maduren no significa que la máquina completa sea fácil. Es como cuando el motor madura: no significa que fabricar un buen coche sea fácil. Además, hemos hablado con los principales fabricantes de motores del país, y sus planes actuales de I+D muestran quela mejora del rendimiento de los motores no es tan rápida como se imagina.Los sensores de las manos diestras y la configuración mecánica iteran relativamente más rápido, porque la estructura mecánica es más fácil de ajustar. Pero los reductores y los motores implican procesos, fabricación y producción en masa más complejos, así que iteran mucho más lento. Por ejemplo, de los reductores: se lleva muchos años hablando de la solución de cicloides miniatura, pero aún no se ha logrado realmente una producción en masa a gran escala ni una aplicación amplia. Actualmente los predominantes siguen siendo los reductores planetarios y armónicos, porque estas soluciones han pasado una validación prolongada y son relativamente maduras en procesos, control de calidad y costos.02
Los modelos superarán al hardware antes
▎Comentario de Tecnología IA: ¿por qué cree que el accionamiento híbrido basado en cables será la mejor solución?
Liu Xin: ahora existen muchas contradicciones entre los indicadores de rendimiento de las manos diestras: por ejemplo, con mucha carga, la manipulación fina puede verse limitada; si se hacen esbeltas y diestras, la fuerza y la durabilidad pueden ser insuficientes. Al elegir el accionamiento híbrido basado principalmente en cables, esperamos conjugar la esbeltez de los dedos, la fuerza y la durabilidad. Además somosla primera empresa del mundo en hacer una mano diestra con configuración de muñeca que combina cables + husillo. Nuestra lógica de diseño de la mano diestra es la misma que la exquisita estructura de la mano humana formada tras millones de años de evolución. Cuando el dedo humano pellizca suavemente, el control fino lo realizan principalmente los músculos lumbricales y los músculos intrínsecos de la mano, músculos pequeños; al tirar con fuerza de algo, quienes realmente hacen la fuerza son los músculos del brazo. Por eso,para conjugar fuerza y destreza, los seres vivos suelen separar ambas funciones: cuanto más cerca del extremo, la estructura es más esbelta y la distribución nerviosa más densa, lo que favorece el control fino; cuanto más cerca de la raíz, los músculos y la estructura son más robustos, más aptos para proporcionar fuerza. El brazo y la mano humanos son precisamente un sistema de división del trabajo formado por una larga evolución. Sabemos que este diseño aumentará a corto plazo la dificultad de integración en robots humanoides, pero seguimos en esta dirección porque es la solución más definitiva. Si Musk se mantiene firme en esta dirección, es posible que los principales fabricantes de robots también lo sigan.▎Comentario de Tecnología IA: ¿cómo han hecho concretamente su accionamiento híbrido?
Liu Xin: nuestros dedos son de accionamiento por tendones de cable, las articulaciones de desvío lateral usan accionamiento directo, la gran mayoría de los motores están colocados en la palma, la muñeca es de husillo + bielas, y dentro del antebrazo hay motores montados que proporcionan mayor fuerza. Al principio, al hacer los prototipos, también intentamos implementar con cables los movimientos de desvío lateral, etc., pero luego descubrimos que esto aumentaba notablemente la complejidad de ingeniería y reducía la fiabilidad, así que cambiamos esas articulaciones a accionamiento directo.▎Comentario de Tecnología IA: la mano diestra tiene tantos indicadores; ¿qué quiere resolver primero Boya?
Liu Xin: primero los grados de libertad, segundo el tacto, tercero la fuerza, cuarto la precisión.▎Comentario de Tecnología IA: ¿cómo se decidió que fueran 22 grados de libertad?
Liu Xin: la palma tiene 20 grados de libertad y la muñeca, 2. En realidad, al principio diseñamos 23 grados de libertad, y al final eliminamos el grado de libertad dentro de la palma que recogía el meñique hacia atrás. Antes Shadow tenía ese grado de libertad, y al igual que OpenAI les gustaba mucho usarlo. Nosotros, por la complejidad de ingeniería, y porque la mayoría de los clientes no usaban ese grado de libertad, lo prescindimos. En cuanto a los sensores táctiles, actualmente usamos sensores magnéticos de efecto Hall, que son relativamente mejores en varias dimensiones.▎AI 科技评论（Comentario de tecnología de IA)：Antes mencionaste en reportajes que la precisión de la mano diestra debería llamarse «precisión mínima controlable», en lugar de precisión de reposicionamiento repetido. ¿Por qué redefinir la precisión?
Liu Xin: La comprensión de la precisión está cambiando. Antes se enfatizaba la precisión de reposicionamiento repetido porque se seguían los estándares de los robots industriales tradicionales. Pero ahora la situación es distinta. Creo que en el futuro será más importantela «precisión mínima controlable», es decir, qué tan fino puede controlar el sistema sus movimientos y corregirlos continuamente según la retroalimentación en tiempo real. Esta lógica es similar a la coordinación entre los músculos, los nervios y el cerebro grande y pequeño del ser humano.Una persona puede controlar sus movimientos a un nivel muy fino mediante la ligera contracción de los músculos, y luego corregirlos continuamente según la retroalimentación. En el futuro, los robots necesitarán cada vez más este tipo de capacidad de control.Esta es también una ventaja de la transmisión por cables. La fluencia de los tendones de cable puede resolverse mediante nuestro sistema de «percepción-corrección». Si se usa transmisión directa por engranajes, factores como la forma de los dientes y la precisión de fabricación de los engranajes afectan la precisión de transmisión y la holgura. La holgura es difícil de eliminar por completo, y con el uso prolongado, los engranajes pueden sufrir desgaste, deformación e incluso rotura, afectando aún más la precisión de transmisión.▎AI 科技评论：La industria considera que las manos con transmisión por cables son difíciles de controlar. ¿Cómo resuelven ustedes este problema?
Liu Xin: Hemos construido de manera preliminar una especie de «cerebelo» para controlar la mano diestra. Este «cerebelo» no está diseñado estrictamente según la división de funciones entre el cerebro grande y el cerebelo humanos; nuestra idea esindependizar una parte del control de movimientos que requiere retroalimentación en tiempo real. El «cerebelo» incorpora una biblioteca de movimientos con 33 acciones comunes de la operación diaria. Estos movimientos incluyen la postura de la mano, la secuencia de ejecución y los cambios de fuerza. El cerebro solo necesita decidir qué movimiento llamar; el cerebelo se encarga de la ejecución concreta y del ajuste adaptativo, sin necesidad de que el modelo superior vuelva a razonar cada vez. De este modo,las dimensiones de control del cerebro pueden simplificarse a «7＋1»: un brazo robótico de 7 ejes más un número de movimiento de la mano permiten completar operaciones bastante complejas. El modelo de alto nivel solo necesita emitir instrucciones como mover la muñeca o ejecutar una prensión, y el control concreto de las articulaciones se delega en el cerebelo. Muchos equipos que trabajan en modelos cerebrales no son buenos accionando manos diestras de alta libertad; nosotros encapsulamos las capacidades de nivel inferior para que puedan integrarlas con facilidad.▎AI 科技评论：¿Estos 33 tipos de movimientos los resumieron ustedes mismos?
Liu Xin: Existe en la industria un conjunto estándar de clasificación de movimientos, resumido originalmente por algunas universidades de élite de Estados Unidos, con unos 33 tipos. El profesor Zhang Shiwu añadió además 6 tipos sobre esa base, así que actualmente nuestra referencia objetivo son 39 tipos. Sin embargo, dominar bien los 39 movimientos no es nada fácil. Por ejemplo, el uso de palillos es muy común para los asiáticos, pero sigue siendo extremadamente difícil para una mano robótica.▎AI 科技评论：¿A qué clientes se dirige principalmente su mano diestra actualmente?
Liu Xin: Actualmente tenemos dos tipos de clientes: uno es el mercado de investigación científica y el otro son las empresas que desarrollan modelos cerebrales. Cuando estas empiezan a avanzar hacia operaciones diestras más finas, necesitan mejores manos diestras. Perosi todavía están en la etapa de usar el modelo de código abierto π0 para postentrenamiento, básicamente todavía no necesitan una mano diestra.▎AI 科技评论：¿Por qué con el postentrenamiento del modelo de código abierto π0 no se necesita una mano diestra?
Liu Xin: Porque esa arquitectura pura VLA de π0 exige muchísimo en cuanto a datos y capacidad de cómputo.El límite actual que esta arquitectura puede soportar para el entrenamiento es un sistema de brazo robótico con una pinza incluida, 7～8 grados de libertad, 2～3 cámaras, bloques de acción de unos 50 fotogramas y una frecuencia de actualización de unos 10 fotogramas.Si se cambia a una mano diestra con más de 20 grados de libertad y se conecta a esta arquitectura, en primer lugar la recopilación de datos y el entrenamiento difícilmente convergen, porque el volumen de datos es demasiado grande; en segundo lugar, la eficiencia de inferencia tampoco lo soporta.▎AI 科技评论：¿La estratificación en cerebro grande y cerebelo será la arquitectura definitiva?
Liu Xin:Según la tendencia de desarrollo actual, seguro que sí.Una razón es que en el lado del cerebro hay un razonamiento de baja frecuencia, mientras que en el lado del cerebelo hay un bucle cerrado de alta frecuencia, que debe ajustarse en tiempo real de forma continua según la retroalimentación de fuerzas, posiciones, etc.; la otra es la capacidad de la capa del cerebro: si las grandes empresas de modelos fundacionales y las tecnológicas invierten algunos recursos adicionales, es posible hacerlo muy bien. Recientemente, uno de los asuntos que más atención ha generado en la industria es que GPT-6 ya puede operar manos diestras. Esto demuestra que el sentido común y las capacidades cognitivas acumuladas por los grandes modelos durante la fase de preentrenamiento se están extendiendo hacia el mundo físico. Los humanos aprenden movimiento mediante tres partes: control motor innato, cognición adquirida y práctica. Con mucha práctica se forma memoria muscular. Cuando una persona se convierte en experta, el cerebro se encarga principalmente de juzgar la estrategia, por ejemplo, qué golpe dar cuando llega la pelota de tenis y dónde colocarla, mientras que la coordinación corporal específica y los ajustes del movimiento, en muchos casos, ya no requieren una reflexión consciente paso a paso. Si se logra entrenar bien una gran cantidad de habilidades de cerebelo de uso frecuente que cubran la inmensa mayoría de los escenarios, e integrarlas directamente en el sistema del robot, entoncessería algo parecido a lo de Matrix, donde le introducen programas directamente en el cerebro y, al despertar, ya sabe decir: I know Kung Fu。▎AI 科技评论: del hardware, los datos, el cerebelo y el cerebro, ¿cuál de estas cuatro partes creen que hay que atacar con prioridad ahora mismo?
Liu Xin: creo que la primera etapa sigue siendo hacer bien el hardware. Con la velocidad de iteración actual de la IA y los modelos, es posible que se llegue antes a un tipping point, lo que todos llaman el «momento GPT»,el modelo superará al hardware. Para entonces, todos descubrirán que los modelos ya son muy potentes, pero no encontrarán un hardware lo bastante fiable que pueda albergar su capacidad.▎AI 科技评论: ¿por qué piensan que el modelo superará al hardware? La opinión más extendida en la industria es que el hardware no es lo bastante bueno y limita el desarrollo de los modelos, así que debería ser el hardware el que avance primero.
Liu Xin: el desarrollo de los modelos avanza más rápido de lo que la gente imagina. Por ejemplo, el GPT-6 mencionado antes puede operar manos diestras. Desde los grandes modelos hasta la multimodalidad, y luego el control de robots, las capacidades relacionadas podrían lograr un avance muy pronto.Al final, descubrirás que lo que frena el avance quizá sea el cuerpo, no el pensamiento.Es igual que con las personas. Yo también desearía poder correr los 100 metros muy rápido como un atleta profesional y jugar al tenis cinco horas sin cansarme, pero al final lo que te limita es el cuerpo. Con el hardware ocurre lo mismo: el avance de los materiales, las estructuras, la electromecánica y los sensores requiere tiempo. Hoy hay dos grandes obstáculos para la implementación: uno es el modelo y el otro es el hardware. El modelo probablemente alcance el nivel requerido muy pronto; seguirá sin ser perfecto, pero en escenarios y tareas específicas pronto podrá cumplir. Una vez que el modelo sea competente, el punto de bloqueo pasará a ser el propio hardware.03
La verdadera barrera es lograr que todo el sistema funcione de principio a fin
▎AI 科技评论: ¿Boya se posiciona como un proveedor de manos diestras?
Liu Xin: no nos posicionamos como un proveedor puramente de manos diestras,trabajaremos simultáneamente en modelos y aplicaciones. Cuando una tecnología es demasiado avanzada y el ecosistema industrial y los escenarios de aplicación aún no están preparados, limitarse a ser un proveedor de hardware aguas arriba dificulta mucho el desarrollo real del mercado. Nvidia es un ejemplo típico. Hace unos diez años, Jensen Huang creó unos chips muy avanzados específicos para conducción autónoma, pero en aquel momento a los clientes aguas abajo les costaba aprovecharlos directamente. Por eso Nvidia invirtió grandes sumas en formar un equipo de algoritmos, y se encargó personalmente de completar la infraestructura de algoritmos y las cadenas de herramientas más básicas de la conducción autónoma, convirtiendo la capacidad del chip en un semiproducto o plataforma altamente maduro que luego entregaba a los clientes aguas abajo. Así, los clientes podían integrarlo más rápido en sus propios productos. La mano diestra es igualmente una tecnología adelantada a su tiempo. Si solo se vende la mano y el ecosistema de aplicaciones no está maduro, es difícil lograr una implementación a escala.Al trabajar simultáneamente en modelos y aplicaciones, convertimos la capacidad de la mano diestra en soluciones que resuelven problemas directamente, ayudando a los clientes y a los escenarios a ponerse en marcha más rápido. Esto, de hecho, favorece más el verdadero desarrollo de la industria de la mano diestra.▎AI 科技评论: ¿significa eso que en el futuro se dirigirán hacia el robot completo?
Liu Xin: a medida que avancemos, en lo comercial podríamos tener dos formas de presentación. Una es que el cliente tenga capacidad de desarrollo secundario: solo necesita integrar nuestros productos, y nosotros hacemos bien el producto central y damos soporte al desarrollo secundario. Pero debemos reconocer que hoy en día, la barrera del desarrollo secundario de los robots, y especialmente de las manos diestras, es muy alta. Tenemos que reducirla a nivel de producto; eso es lo que se puede hacer a corto plazo. La otra es que, para los clientes sin capacidad de desarrollo secundario, ante una demanda clara por su parte, podemos ofrecerles una solución completa.Desde el punto de vista del robot completo, lo más difícil es la mano diestra; si somos capaces de hacer la mano diestra, el robot completo resulta relativamente fácil de integrar.El brazo robótico ya está relativamente maduro, y la base móvil se puede integrar directamente con una ya existente.▎AI 科技评论: algunos dicen que la barrera del hardware de la mano diestra no es alta y que todo se puede copiar. ¿Qué opinas?
Liu Xin: quienes dicen que la barrera no es alta probablemente sean recién llegados haciendo propaganda para conseguir financiación, o gente que carece de un conocimiento profundo de la industria.La clave de hacer manos diestras sigue siendo la comprensión de todo el sistema, no basta con juntar algunas piezas para hacerlo bien. Después de completar el diseño del sistema, te das cuenta poco a poco de que muchos componentes ya no se pueden comprar como productos estándar: hay que personalizarlos e incluso desarrollarlos internamente. Hay cosas que se pueden hacer con dinero, y hay cosas que, incluso con fondos abundantes y una densidad de talento suficientemente alta, requieren mucho tiempo de pulido.Ese know-how es en sí mismo una barrera.Nuestro equipo lleva muchos años trabajando en esto. Muchos problemas solo se conocen habiéndolos afrontado realmente; si no lo haces, no sabes dónde pueden surgir problemas. Todas estas experiencias deben acumularse poco a poco en la I+D y la iteración reales.▎AI 科技评论: entonces, ¿con qué crees que Boya logrará sobresalir?
Liu Xin: primero,la tecnología y la velocidad de iteración。Dominamos muchas tecnologías centrales y la iteración tecnológica también es muy rápida; en segundo lugar,el equipo central y la gestión de la cadena de suministroestán en línea; en tercer lugar, también tenemos bastantesclientesdispuestos a probar a fondo. Creo que, mientras sigamos así, no habrá problemas a nivel comercial: si atendemos bien a los clientes e iteramos bien los productos, básicamente no nos quedaremos atrás.▎AI 科技评论: ¿Cómo está distribuida actualmente la división del trabajo del equipo de la empresa?
刘欣: Yo me encargo principalmente del producto y la ingeniería, y Zhang Sicheng se ocupa más del ámbito comercial. El CTO de la empresa esChen Haoyao, que estudió robótica en la carrera, pero con orientación hacia la mecánica, y luego se orientó hacia el control de robots a nivel de algoritmos; es uno de los pocos talentos híbridos de software y hardware de la industria, y al analizar un problema desde perspectivas interdisciplinarias y multifuncionales tiene mayor claridad. El profesor Zhang Shiwu se dedica a la exploración más avanzada. Además, como yo también vengo del ámbito técnico, soy como medio CTO, y con ellos discuto problemas y ejerzo cierto control sobre la dirección técnica general.▎AI 科技评论: Contar con talentos híbridos de software y hardware, ¿también constituye una ventaja central de su empresa?
刘欣: La estructura de capacidades del equipo influye en la dirección de desarrollo del producto. Tomemos como ejemplo los vehículos de nueva energía: para hacer un buen producto se necesitan ingenieros de fábricas de automóviles tradicionales encargados del hardware, ingenieros de grandes empresas tecnológicas como Microsoft o Motorola para desarrollar de manera organizada software y hardware complejos, así como gerentes de producto, diseñadores e ingenieros de empresas líderes de Internet que mejoren la experiencia de interacción entre software y hardware. Ahora, algunas empresas veteranas, aunque tienen una acumulación tecnológica muy sólida en el ámbito de los motores eléctricos, pueden ir medio paso más lento en la iteración de productos, o al diseñar la arquitectura de fondo, carecer de una consideración plena de los modelos de nivel superior del software.Con la mano diestra ocurre lo mismo: el equipo debe entender el software y también comprender qué exigirá el modelo de nivel superior al diseño del hardware para poder diseñar una mano verdaderamente adecuada. Ambas cosas se complementan mutuamente.Un equipo que solo desarrolla modelos puede saber qué capacidades debería tener la mano diestra ideal, pero no cómo diseñarla concretamente; mientras que un equipo que solo se dedica al hardware tampoco necesariamente sabe qué tipo de mano se adapta mejor a un modelo impulsado y a operaciones complejas.▎AI 科技评论: ¿Cómo se unieron estas personas centrales de su equipo?
刘欣: Yo fui más o menos el iniciador, y Zhang Sicheng fue clave. Él fue una de las primeras personas que Alibaba envió al proyecto de Banma Zhixing, con quien trabajé. Así que al principio fui a buscarlo para conversar. Aunque mi experiencia pasada fue principalmente en software, siempre ha estado muy ligada al hardware. En las grandes empresas, siempre quise en mi corazón dedicarme al hardware, y ya tenía una idea sembrada:después de terminar con los automóviles, tenía que hacer robots. Cuando propuse esta idea, Zhang Sicheng justamente conocía a dos profesores, ambos compañeros de sus estudios. Muchas de las tecnologías de los dos profesores podían aplicarse directamente al desarrollo del producto. Los pocos conversamos durante aproximadamente medio año antes de definir gradualmente la dirección.▎AI 科技评论: ¿Por qué los dos profesores estuvieron dispuestos a unirse a una empresa emergente?
刘欣: Zhang Sicheng los conocía desde hacía muchos años. Chen Haoyao es triple compañero de estudios de Zhang Sicheng: en la secundaria, la licenciatura y el doctorado estudiaron en la misma institución, y además son paisanos de Yongding, Longyan; ya se conocían muy bien y se tienen mucha confianza mutua. El profesor Zhang Shiwu, en la etapa inicial, aportó principalmente la acumulación tecnológica y la orientación en el ámbito de la mano diestra, incluidas las tecnologías ya patentadas, y en el futuro nuestros productos podrían utilizar algunas de esas patentes. La participación del profesor Chen será más profunda. Como está en el campus de Shenzhen del Instituto Tecnológico de Harbin, geográficamente bastante cerca de la empresa, participará a fondo en los algoritmos de control, incluida la definición de la dirección técnica y el diseño de la arquitectura técnica general.▎AI 科技评论: Llevas casi veinte años haciendo software, ¿para qué te sirven esas experiencias al hacer hardware?
刘欣: Yo soy un veterano del sector: antes hice software puro, y luego pasé a Internet, teléfonos inteligentes, IoT y automóviles; antes estuve en Sina y Alibaba, y después me fui a NIO. Siempre he estado absorbiendo experiencia de estas industrias, incluidocómo gestionar equipos complejos, cómo tratar con los clientes, cómo establecer el ritmo de iteración de productos y cómo coordinarse con los proveedores. Creo que estas experiencias son muy importantes para hacer productos de vanguardia. Cuanto más emergente es una industria, más probable es que haya que desarrollar todo desde cero. Mi experiencia pasada me ha dado una mayor comprensión de las leyes del desarrollo industrial, y me permite saber mejor qué cosas debo tener en mis propias manos y cuáles puedo delegar a proveedores externos.▎AI 科技评论: ¿Y cuál es la cultura organizativa de Boya en la actualidad?
刘欣: En el pasado pasé por distintos tipos de empresas y equipos, y participé en muchísimos procesos de construcción de equipos desde cero, fusión de equipos e incluso despidos. Me he dado cuenta de que la misma cultura aplicada en diferentes empresas o en distintas etapas puede tener efectos completamente distintos. La cultura de Alibaba, por ejemplo, ha estado ajustándose constantemente: desde una etapa inicial dominada por las ventas, pasó a valorar más las capacidades de los ingenieros, y luego los distintos negocios fueron formando gradualmente sus propias formas de organización. Por eso creo que la gestión no tiene una respuesta fija. La clave está en comprender la industria y la etapa de desarrollo en que uno se encuentra, y luego decidir qué forma de organización adoptar. La cultura actual de Boya es plana y eficiente; en realidad es lo que en Silicon Valley se llamacultura del fundador: meterse hasta en los detalles más pequeños en la primera línea para mirarlo todo junto con el equipo.▎AI 科技评论: ¿Por qué el nombre Boya?
刘欣: Los profesores Zhang Shiwu y Chen Haoyao habían fundado antes una empresa llamada Bote (Zhongke Bote Intelligent), cuyo nombre se tomó directamente por la pronunciación de bot. En aquel momento pensamos en muchos nombres relacionados con el carácter 博. Luego pensamos que debíamos destacar la mano diestra. ¿Quiénes son representantes de la habilidad y destreza manual? Entonces pensamos en Boya. Como él tocaba el qin, el control de sus manos debía ser muy hábil. Finalmente se quedó ese nombre.▎AI 科技评论: A muchas personas, al pensar en Boya, se les viene a la mente la historia, y pocas veces lo de tocar el qin.
刘欣: Boya y Ziqi también son la historia de un encuentro entre personas que se comprenden; nosotros creemos quelos robots deberían convertirse en los confidentes de los seres humanos. La mayoría de la gente lo tratará como una herramienta, algo así como una niñera. Si además puede convertirse en un alma gemela (zhiyin), mejor, pues podrá ofrecer una ayuda más completa. En el pasado, los robots se dedicaban principalmente al trabajo físico, resolviendo problemas del plano material. Con el desarrollo de la IA, en el futuro también podrá comunicarse con las personas y brindarles ayuda mediante diálogos en lenguaje natural, Agent y otros medios, cubriendo más necesidades. (Lei Feng Wang (cuenta pública: Lei Feng Wang))04
Epílogo
La base ingenieril de Liu Xin se asentó desde su infancia. Sus padres eran ingenieros de comunicaciones del Ministerio de Ferrocarriles; a los dos o tres años jugaba con diodos y transistores en las salas de máquinas, en la primaria soldaba circuitos y en quinto curso escribía código. Tras graduarse en la universidad, primero trabajó en Lingtu con sistemas de monitoreo de vehículos, su primer contacto con la cadena industrial de hardware de Shenzhen; en 2006 emprendió por primera vez y luego pasó a Sina y a Alibaba. En sus casi diez años en la división de sistemas operativos de Alibaba, pasó por teléfonos móviles, automóviles, IoT y robots, participó en el proyecto de robots entre Alibaba y SoftBank, y allí se sembró la idea de «hay que hacer robots sin falta». En 2023 se incorporó a NIO, donde completó dos asignaturas pendientes: la gestión del ciclo de vida completo del producto y la cadena de suministro. En agosto de 2024 emprendió oficialmente, eligiendo la mano diestra como punto de partida. En su opinión, la mano diestra es la parte del robot completo con mayor dificultad técnica y también el mayor valor destacado. Cree que esta industria no quedará reducida a una sola empresa, y en el nombre de la compañía también se esconde una expectativa más lejana: los robots no deberían ser solo herramientas o niñeras, deberían convertirse en el alma gemela de la humanidad. (Lei Feng Wang)Súbete a bordo y te llevamos a recorrer lo mejor de las principales conferencias mundiales de IA
Acceso exclusivo a:
Presentaciones PPT de expertos
Textos completos de los informes de los congresos
Análisis de los artículos más populares
Entrevistas a las nuevas estrellas académicas
Escanea el código QR de arriba
o haz clic en «Leer el original» para seguir la sección.
Artículo original de Lei Feng Wang; queda prohibida su reproducción sin autorización. Consulta los detalles enAviso de reproducción。