Adquisición de Amazon de Fauna Robotics Parece un movimiento de plataforma que un juego de robótica de consumo. Esto hace que el humanoide de Fauna, Sprout, sea significativo más allá del acuerdo en sí mismo. El sistema ofrece una visión temprana de lo que parece una pila humanidaide digna de desarrollo creíble antes de que la autonomía de nivel superior sea madura.
Velocidad sobre la especulación
A Informe técnico publicado por Fauna antes en 2026 ofrece un vistazo a una plataforma construida alrededor del control aprendiz limitado, la teleoperación VR de todo el cuerpo, junto con un oleoducto diseñado para convertir las fallas de autonomía en datos de entrenamiento. El cronograma aquí es agresivo. Fauna fue fundada a principios de 2024. Subió entre 16,6 millones de dólares, por su presentación, y $30 millones, por CNBC reportando, de inversores incluyendo Kleiner Perkins y Lux Capital.
It launched Sprout a los asociados de la Dirección Ejecutiva en enero de 2026 adquirido por Amazon dos meses después. Alcanzar una plataforma humanoides de trabajo y una adquisición en esa línea de tiempo es impresionante. El informe lee menos como un programa de investigación largo-horizon que un esfuerzo enfocado para construir un sistema que pueda mejorar rápidamente bajo limitaciones del mundo real.
Diseño para el desarrollador, no la demo
Sprout es pequeño humanoide normas. Se eleva 1,07 metros de altura y pesa 22,7 kg, con 29 grados de libertad. La elección de tamaño forma el resto del sistema. Tiene exteriores blandos, puntos de pellizco minimizados, motores de backdrivable, límites de par conservador, y una sola empuñadura DoF. El diseño parece priorizar mantener la interacción física manejable sobre la entrega de la demo más impresionante.
Sprout utiliza una cabeza montada ZED Cámara estéreo 2i, sensores de tiempo de vuelo montados en torso, IMUs y una matriz de cuatro micrófonos, sin cámaras montadas en la muñeca. Fauna argumenta que la teleoperación llena las lagunas de detección, y la combinación cubre suficientes casos de uso de la investigación para ser prácticos. Esa simplificación viene con límites en la manipulación de cerca. Estos son los intercambios de un sistema consolidado destinado a ser lo suficientemente seguro, barato y lo suficientemente modificado para que los desarrolladores puedan utilizar ahora.
La mayoría de los subsistemas de Sprout dependen de métodos establecidos. Las políticas de motor están entrenadas NVIDIA Isaac Sim. Utiliza hardware VR de consumo estándar con retargeting inverso-kinematics para la interfaz de teleop. La pila de mapeo fusiona datos visuales, inerciales y de leg-motion y construye mapas 3D densos utilizando fusión volumétrica. La navegación utiliza métodos de planificación y seguimiento conocidos, y el oleoducto de voz depende de los proveedores de reconocimiento y síntesis del habla fuera de la plataforma.
En mi experiencia, los productos robóticos rompen en la integración, el manejo de fallas y la confianza en la autonomía inmaduro, no porque los algoritmos subyacentes carecen de novedad.
Donde la integración realmente importa
Para garantizar el control determinista, el sistema aísla deliberadamente las cargas de trabajo a nivel de aplicación de los bucles críticos con el tiempo. Mientras un Jetson AGX Orin ejecuta software de percepción y planificación de alto nivel, un tablero personalizado se basa en controladores integrados para la distribución de energía, adquisición de sensores y control de motores.
Fauna aplica la misma disciplina a donde el aprendizaje vive en el sistema. Una política de fin a fin suena genial en una plataforma de lanzamiento, pero Fauna fue en una dirección diferente. Construyeron políticas totalmente separadas de RL para movimientos distintos, ya sea caminando, arrastrando, arrodillando, sentado o bailando. El control estándar de PD y los límites de poder duro actúan como los guardianes necesarios para mantener esa ejecución atada. Podría ser menos conceptualmente ambicioso, pero es una apuesta mucho mejor a corto plazo para mantener el sistema confiable en condiciones desordenadas y reales.
Las transiciones entre modos de control tienen sus propios controladores de seguimiento aprendidos, entrenados de la captura de movimiento y trayectorias animadas. También hay limitaciones de seguridad separadas y lógica abortada cuando la postura o el actuador limita la deriva fuera de rango. Eso es crítico porque las fallas de transición son donde los humanoides tienden a ponerse más frágiles.
Convertir fallos en datos
El bucle de datos de teleoperación puede ser la parte más valiosa de la pila. El marco de capacitación subyacente de DAgger es un estándar de la industria, pero Fauna mejoró significativamente su utilidad operacional. Cuando un comportamiento autónomo se deriva, el operador se detiene. Ellos ven la pose congelada del robot proyectada como un fantasma en el espacio VR. Entonces pueden alinear sus controladores a ese fantasma y reanudar del mismo estado físico. Cada fallo se etiqueta datos de entrenamiento capturados en el momento que más importa, en lugar de ser descartado con un restablecimiento duro.
Los bipedes pequeños plantean problemas específicos de mapeo que el equipo tuvo que abordar. Los contactos de pie son intermitentes, las estimaciones de posición pueden derivarse y la calidad de la profundidad puede ser impredecible. Para manejar esto, Fauna divide el medio ambiente en submapas volumétricas localmente consistentes, o maplets, por lo que un sensor localizado falla sólo una región en lugar de todo el mapa. La corrección global corre sincrónicamente. Fauna dice que esta carga de computación reducida en aproximadamente un 30% en comparación con un nivel básico de código abierto estándar de la industria. En un robot que ejecuta todo a bordo, incluso modestos ahorros de compute amplían el margen para todo lo demás que el desarrollador quiere correr.
Fauna construyó una jerarquía de comportamiento basada en ranuras que orquesta luces, audio, pose de la cabeza, cejas y movimiento corporal a través de reglas de prioridad per-slot. Si una alerta de seguridad activa, el robot inmediatamente deja caer su expresión actual. Al operar con seguridad, comportamientos ociosos e interactivos se fusionan. Para una máquina dirigida a desarrolladores y operadores no expertos, la observabilidad es un requisito clave.
Qué barcos y qué no
Fauna parece haber optimizado Sprout para la velocidad al despliegue en lugar de para cualquier reclamación amplia de inteligencia general. Cuando usted mira qué barcos en el punto de precio $50,000, usted consigue una base sólida en las herramientas de navegación, teleoperación y desarrollador. Los propios diagramas de arquitectura de Fauna rayan el razonamiento y el contexto social del SDK inicial por completo. En lugar de enviar una pila de autonomía totalmente integrada fuera de la caja, construyeron un recipiente físico altamente modular. Se basa en gran medida en interfaces estándar ROS 2 y un servidor de protocolo modelo para interactuar con agentes externos.
Lo suficientemente seguro no está certificado
La seguridad es donde la brecha entre plataforma y producto se hace notable. Fauna describe tres capas: salvaguardas de hardware, un subsistema de seguridad integrado independiente y el control compatible a nivel de aplicación. El documento no proporciona las pruebas necesarias para evaluar un caso de certificación. La detección de proximidad parece depender de componentes de grado de consumo. La fuerza de agarre está controlada por el software, y no hay mención de la fuerza o la detección de par en la cadena cinemática. Nada de eso niega el valor de la plataforma. Pero un sistema de desarrolladores seguro y un producto de consumo certificable son cosas muy diferentes.
Fauna Robotics El robot humanoide Sprout es pequeño, ligero y suave al tacto, lo que lo hace más seguro que el robot humanoide promedio. Fuente: Fauna Robotics
Comprando la caja de arena
Amazon ha pasado años construyendo robótica del almacén, mientras que sus esfuerzos de robótica del consumidor aún no han producido una línea de productos duradera. Astro nunca se rompió como un producto de consumo, y Astro for Business se suspendió dentro de un año. Amazon también recientemente su robot de almacén Blue Jay.
Sprout no estará caminando alrededor de su sala de estar doblando la ropa pronto. Amazon no adquirió Fauna para enviar un humanoide consumidor. Adquirió la herramienta para construir uno. Las opciones de integración en torno a seguridad, supervisión, reunión de datos y recuperación del operador son lo que hace que Sprout sea difícil de replicar rápidamente, y ninguno de los que aparecen en un carrete demo. La mayoría de las empresas en este espacio están corriendo para mostrar lo que su robot puede hacer. Amazon acaba de pagar por un sistema que está optimizado para aprender lo que su robot no puede hacer todavía. En la robótica, ese podría ser el punto de partida más valioso.
Sobre el autor
Deepak Jayaraj es el vicepresidente de ingeniería y fabricación de hardware Cuatro Growers, una empresa de robótica agrícola con sede en Pittsburgh. Con más de 15 años de experiencia en robótica espacial, dispositivos médicos y AgTech, se especializa en guiar a las empresas robóticas a través de la transición crítica del prototipo al despliegue escalado y la economía de los modelos de negocio de hardware.
El puesto Lo que Amazon vio en la estrategia humanoides de Fauna Robotics apareció primero The Robot Report.
Fuente: Leer completo
Líderes en información sobre robótica latinoamérica.
Somos tu guía de robótica referente en la región.
