Este robot con IA sigue funcionando aunque lo ataques con una motosierra

Un robot cuadrúpedo que sigue arrastrándose incluso después de que le hayan cortado las cuatro patas con una motosierra es material de pesadilla para la mayoría de la gente. Para Deepak Pathak, cofundador y CEO de la startup Skild AI, la distópica hazaña de adaptación es un signo alentador de un nuevo tipo de inteligencia robótica más general.

«Esto es algo que llamamos un cerebro omnicuerpo», explica Pathak. Su empresa desarrolló el algoritmo de IA generalista para abordar un reto clave en el avance de la robótica: «Cualquier robot, cualquier tarea, un cerebro. Es absurdamente general».

Muchos investigadores creen que los modelos de IA utilizados para controlar robots podrían experimentar un profundo salto adelante, similar al que produjeron los modelos de lenguaje y los chatbots, si se consiguen reunir suficientes datos de entrenamiento.

Pathak afirma que los métodos existentes para entrenar modelos robóticos de IA, como hacer que los algoritmos aprendan a controlar un sistema concreto mediante teleoperación o en simulación, no generan suficientes datos.

Un único algoritmo capaz de controlar muchos robots

Con el tiempo, esto produce un modelo que la empresa denomina Skild Brain, con una capacidad más general para adaptarse a diferentes formas físicas, incluidas las que nunca ha visto antes. Los investigadores crearon una versión más pequeña del modelo, denominada LocoFormer, para un artículo académico en el que describen su enfoque.

El modelo también está diseñado para adaptarse rápidamente a una nueva situación, como una pierna perdida o un terreno nuevo y traicionero, y averiguar cómo aplicar lo que ha aprendido a su nueva situación. Pathak compara este planteamiento con la forma en que los grandes modelos de lenguaje (LLM) pueden enfrentarse a problemas especialmente difíciles dividiéndolos y retroalimentando sus deliberaciones en su propia ventana contextual, lo que se conoce como «aprendizaje en contexto».

Otras empresas, como el Instituto de Investigación de Toyota y una startup rival llamada Physical Intelligence, también se apresuran a desarrollar modelos de IA robótica más capaces en general. Sin embargo, Skild es inusual por la forma en que está construyendo modelos que se generalizan a través de tantos tipos diferentes de hardware.

En un experimento, el equipo de Skild entrenó su algoritmo para controlar un gran número de robots andantes de diferentes formas. Cuando el algoritmo se ejecutó con robots reales de dos y cuatro patas, sistemas no incluidos en los datos de entrenamiento, fue capaz de controlar sus movimientos y hacerlos caminar.

En un momento dado, el equipo descubrió que un robot de cuatro patas con el cerebro omnidireccional de la empresa se adapta rápidamente cuando se le coloca sobre sus patas traseras. Como percibe el suelo bajo sus patas traseras, el algoritmo maneja al perro robot como si fuera un humanoide, haciéndole pasear sobre sus patas traseras.

El algoritmo generalista también puede adaptarse a cambios extremos en la forma del robot, por ejemplo, si se le atan las patas, se le cortan o se le alargan. El equipo también probó a desactivar dos de los motores de un robot cuadrúpedo con ruedas y patas. El robot fue capaz de adaptarse balanceándose sobre dos ruedas como una bicicleta inestable.

Skild prueba el enfoque para la manipulación robótica

La compañía ha entrenado Skild Brain con una serie de brazos robóticos simulados y ha comprobado que el modelo resultante puede controlar hardware desconocido y adaptarse a cambios repentinos en su entorno, como una reducción de la iluminación. La startup ya está trabajando con algunas empresas que utilizan brazos robóticos, afirma Pathak. En 2024, la empresa recaudó 300 millones de dólares en una ronda que la valoró en 1,500 millones.

Pathak dice que los resultados pueden parecer espeluznantes para algunos, pero para él muestran los destellos de una especie de superinteligencia física para los robots: «A mí personalmente me entusiasma».

Artículo publicado originalmente en WIRED. Adaptado por Alondra Flores.