Bots: un salto de la imaginación a la realidad

Los humanoides Bots están avanzando rápidamente de las obras de ciencia ficción a aplicaciones reales. La reducción de los costos de hardware, el aumento de la inversión de capital y los avances en tecnología de movimiento y operación están impulsando una nueva ronda de cambios significativos en el campo de la computación. A pesar de la creciente disponibilidad de capacidad computacional y dispositivos de hardware, la falta de datos de entrenamiento sigue siendo un cuello de botella que limita el desarrollo de la industria.

En este contexto, algunos proyectos han comenzado a utilizar inteligencia artificial física descentralizada (DePAI) para crowdsourcing de datos de movimiento de alta calidad y datos sintéticos, y construir modelos base de Bots. Esto crea condiciones favorables para acelerar el despliegue práctico de robots humanoides.

Bots humanoides: de una sola función a polifacéticos

La comercialización de la tecnología de Bots no es algo nuevo. Desde el iRobot Roomba, un robot aspirador lanzado en 2002, hasta las populares cámaras inteligentes para mascotas de los últimos años, estos dispositivos de una sola función ya han llegado a miles de hogares. Con el avance de la inteligencia artificial, los Bots están evolucionando de una sola función a formas multifuncionales, para adaptarse a entornos abiertos más complejos.

Se espera que en los próximos 5 a 15 años, los Robots humanoides se actualicen gradualmente, pasando de tareas básicas de limpieza y cocina a ser capaces de realizar trabajos complejos como servicios de recepción, rescate de incendios e incluso cirugía.

Recientemente, el desarrollo está convirtiendo a los Robots humanoides de la ciencia ficción en una realidad al alcance de la mano:

• Tendencias del mercado: más de 100 empresas están posicionándose en el campo de los Bots.
• Avances tecnológicos: La nueva generación de Bots muestra movimientos fluidos y naturales, lo que les permite lograr interacciones humanoides en entornos reales. Algunos Bots han alcanzado una velocidad de caminata de 3.3 metros por segundo, superando con creces la velocidad promedio de caminata de 1.4 metros por segundo de los humanos.
• Expectativa de costos: para 2032, se espera que el costo de los robots humanoides sea inferior al nivel salarial de la mano de obra en EE. UU.

Cuello de botella en el desarrollo: datos de entrenamiento del mundo real

A pesar de que el campo de los robots humanoides tiene un futuro prometedor, la falta de calidad y cantidad de datos sigue obstaculizando su despliegue a gran escala.

En comparación, otras tecnologías de entidades de inteligencia artificial, como la conducción autónoma, han resuelto prácticamente el problema de los datos. Por ejemplo, ciertos sistemas de conducción autónoma han recopilado miles de millones de millas de datos de conducción en carreteras reales a través de flotas. En las primeras etapas de desarrollo, estos sistemas también contaban con monitoreadores humanos en el asiento del pasajero para el entrenamiento en tiempo real.

Sin embargo, es poco probable que los consumidores acepten la existencia de "Bots niñeras". Esto significa que los Bots deben tener un alto rendimiento listo para usar, lo que requiere que se complete toda la capacitación antes de la producción comercial. La escala y calidad de los datos se convierten en un problema persistente.

Los diferentes tipos de modelos de IA tienen sus propias unidades de datos de entrenamiento, como los modelos de lenguaje grande que utilizan tokens, los generadores de imágenes que utilizan pares de video-texto, y la robótica que utiliza fragmentos de movimiento. Al comparar la escala de datos en diferentes campos, se puede ver claramente la brecha en la disponibilidad de datos que enfrenta la robótica:

• El tamaño de los datos de entrenamiento de un gran modelo de lenguaje supera los 15 billones de marcadores de texto.
• Algunas IA generadoras de imágenes utilizan miles de millones de emparejamientos de texto de video etiquetados.
• En comparación, el mayor conjunto de datos de Bots contiene solo alrededor de 2.4 millones de registros de interacción.

Esta brecha explica por qué la tecnología de Bots aún no ha logrado un verdadero modelo base como los modelos de lenguaje a gran escala, y la clave radica en que la base de datos aún no está completa.

Los métodos tradicionales de recopilación de datos no pueden satisfacer la demanda de escalabilidad de los datos de entrenamiento para los Bots humanoides:

• Simulación: bajo costo pero falta de escenarios de frontera real (la brecha entre simulación y realidad)
• Video en Internet: No se puede proporcionar la percepción del cuerpo y el entorno de retroalimentación de fuerza necesarios para el aprendizaje de Bots.
• Datos del mundo real: aunque son precisos, requieren control remoto y operaciones manuales cerradas, lo que resulta en altos costos y falta de escalabilidad.

Los modelos entrenados en entornos virtuales a menudo tienen dificultades para adaptarse a la complejidad del mundo real. Por ejemplo, un robot entrenado virtualmente puede levantar fácilmente objetos en condiciones ideales, pero a menudo se encuentra impotente cuando se enfrenta a entornos desordenados, superficies irregulares o situaciones imprevistas.

Visión de pila completa de IA descentralizada

Algunos proyectos innovadores están construyendo plataformas de software y datos de integración vertical orientadas a aplicaciones de robots inteligentes encarnados. Estas plataformas no solo se dedican a resolver los problemas de cuellos de botella de datos en el campo de los robots humanoides, sino que también, a través del desarrollo independiente de hardware, la combinación de infraestructura de simulación multimodal y modelos básicos, se convierten en impulsores de pilas completas para lograr inteligencia encarnada.

Estas plataformas suelen comenzar con dispositivos de captura de movimiento de consumo propietario, construyendo un ecosistema de juegos de realidad aumentada y realidad virtual en rápida expansión. Los usuarios intercambian datos de movimiento de alta fidelidad por recompensas de incentivos en línea, impulsando el desarrollo continuo de la plataforma. Algunas plataformas han vendido miles de dispositivos, alcanzando cientos de miles de usuarios activos mensuales, y han establecido un camino claro para el crecimiento de usuarios.

Este crecimiento se debe principalmente al desarrollo natural: los usuarios son atraídos por la diversión del juego en sí, y los streamers utilizan dispositivos de captura de movimiento para lograr una conducción en tiempo real de las imágenes digitales. Este ciclo virtuoso que se forma de manera espontánea ha logrado una producción de datos escalable, de bajo costo y de alta fidelidad, convirtiendo los conjuntos de datos en recursos de entrenamiento que las principales compañías de Bots compiten por adoptar.

Algunas plataformas están desarrollando una plataforma de datos multimodal unificada en un entorno de simulación fragmentado. Actualmente, el campo de la simulación está altamente fragmentado, con diferentes herramientas actuando de manera independiente; aunque cada una tiene sus ventajas, no pueden comunicarse entre sí. Esta situación de división ha retrasado el proceso de investigación y desarrollo, aumentando la brecha entre la simulación y la realidad. Al lograr la estandarización de múltiples simuladores, estas plataformas han creado una infraestructura virtual compartida para el desarrollo y evaluación de modelos de Bots, apoyando pruebas de referencia consistentes y mejorando significativamente la capacidad de escalabilidad y generalización del sistema.

Bots modelo básico

En esta pila tecnológica, el componente más crítico puede ser el modelo base de Bots. Como uno de los primeros modelos base de Bots, este tipo de modelos se está construyendo como el sistema central de la nueva infraestructura de inteligencia artificial física. Su posición es similar a la de los modelos base de lenguaje tradicionales, pero orientada al campo de los Bots.

Al combinar datos de movimiento de crowdsourcing con potentes sistemas de simulación y un sistema de autorización de modelos, estas plataformas pueden entrenar modelos básicos que poseen la capacidad de generalización en múltiples escenarios. Este modelo puede respaldar diversas aplicaciones de Bots en los campos industrial, de consumo e investigación, logrando una implementación generalizada bajo una gran variedad de datos.

Algunos proyectos han comenzado a impulsar activamente el proceso de comercialización de la tecnología, iniciando proyectos piloto de pago con varias empresas de Bots y estableciendo asociaciones estratégicas. El mercado de robots humanoides en China está experimentando un rápido crecimiento, representando aproximadamente un tercio del mercado global. Es notable que los fabricantes chinos ocupan más del 60% de la cuota del mercado global de robots cuadrúpedos y planean producir más de 1000 Bots para 2025.

El papel de la tecnología de criptomonedas en la pila de tecnología de inteligencia artificial física

La tecnología de criptografía está construyendo una pila vertical completa de inteligencia artificial física. Aunque diferentes proyectos pertenecen a diferentes niveles de la pila de inteligencia artificial física, todos tienen un punto en común: son proyectos de inteligencia artificial física descentralizada (DePAI). DePAI impulsa a través de toda la pila tecnológica con incentivos de tokens, creando un mecanismo de expansión abierto, compuesto y sin permisos, haciendo realidad el desarrollo descentralizado de la inteligencia artificial física.

Algunos proyectos aún no han emitido tokens, lo que hace que el crecimiento orgánico de su negocio sea aún más valioso. Cuando el mecanismo de incentivos de tokens se inicie oficialmente, la participación en la red se convertirá en un elemento clave para acelerar el efecto de rueda de DePAI: los usuarios que compren equipos de hardware podrán recibir incentivos de los promotores del proyecto, mientras que las empresas de desarrollo de Bots pagarán recompensas por la contribución a los poseedores de los dispositivos. Este doble incentivo fomentará que más personas adquieran y utilicen dispositivos de recolección. Al mismo tiempo, los promotores del proyecto incentivarán dinámicamente la recolección de datos de comportamiento personalizados de alto valor, lo que permitirá cerrar de manera más efectiva la brecha tecnológica entre la simulación y la aplicación en la realidad.

Conclusión

La revolución de la plataforma Bots es imparable, pero como todas las plataformas, su desarrollo a gran escala depende del apoyo de datos. La inteligencia artificial física descentralizada (DePAI) está llenando el vacío más crítico en la pila tecnológica de los Bots: su solución de datos para Bots es rentable, altamente escalable y modular.

Cuando la tecnología de los Bots se convierta en el próximo frente de la IA, estos proyectos innovadores están transformando a los usuarios comunes en "mineros" de datos de acciones. Así como los grandes modelos de lenguaje necesitan el soporte de anotaciones de texto, los Bots humanoides requieren un entrenamiento masivo de secuencias de acciones. A través de estos esfuerzos, esperamos superar el último obstáculo y lograr la transición de los Bots humanoides de la ciencia ficción a la realidad.