Flexion está construyendo una plataforma de aprendizaje de refuerzo y sim-to-real para robots humanoides. Fuente: Flexión
En los últimos 18 meses, las compañías de robótica humanoides han recaudado miles de millones de dólares, la mayoría de los cuales financian silenciosamente la contratación de humanos para operar robots. Esto significa que la industria robótica tiene un problema de teleoperación y datos que sigue describiendo como una solución laboral.
La teleoperación y la demostración humana a escala se han convertido en el método dominante para la formación de sistemas físicos de IA, la atracción de capital serio, la contratación de trabajadores en economías de bajos salarios y la obtención de una cobertura entusiasta como prueba de progreso. La suposición bajo todo es que suficientes manifestaciones eventualmente producirán robots capaces de generalizarse en entornos reales.
Creo que esa suposición merece mucho más escrutinio de lo que está recibiendo.
La teleoperación golpea una pared estructural
Los modelos de lenguaje formados en texto pueden aprovechar décadas de escritura, artículos y libros. Con robots, no hay archivo que sacar de – alguien tiene que generar cada demostración, lo que significa que los datos sólo pueden crecer tan rápido como el trabajo humano permite.
Los conjuntos de datos de Teleoperación son más de 100.000 veces más pequeños que lo que se utiliza para entrenar los modelos de lenguaje y visión de hoy. Esa brecha no se cierra mediante la contratación de más operadores, porque el mundo real nunca deja de cambiar: Un estante se mueve, un mango de la puerta es ligeramente diferente, y un nuevo tipo de paquete aparece en la línea. Cada variación requiere una nueva demostración, lo que significa que el problema crece más rápido que la fuerza laboral.
La calidad de los datos es la otra cuestión. Los operadores no pueden sentir lo que están tocando o juzgar la profundidad de forma fiable, por lo que se mueven lentamente y incorrecta. Esto obliga al robot a aprender de imágenes de alguien que lucha con un controlador, y eso es lo que termina practicando.
Guardar la fecha para RoboBusiness 2026
El costo humano de la generación de datos
La respuesta de la industria al problema de los datos ha sido reclutar más personas, predominantemente trabajadores en economías de bajos salarios, contratados para filmar tareas domésticas, operar robots a distancia, o moverse a través de instalaciones con plataformas de cámara.
Todo un ecosistema comercial ha surgido alrededor de él, con startups a través de China, India, Europa, y Estados Unidos vendiendo datos de teleoperación de la misma manera que las empresas vendieron texto etiquetado para modelos de lenguaje.
El lanzamiento original para robots humanoides es que los humanos no podrán llenar estos trabajos en el futuro debido a cambios demográficos, escasez de mano de obra y poblaciones envejecidas. Pero si lo que realmente estamos construyendo es la infraestructura que requiere una corriente permanente de manifestaciones humanas para funcionar, entonces también podríamos tener que hacer la tarea directamente a esos humanos.
Un sistema que no puede manejar nada nuevo sin entrada humana fresca es esencialmente un sistema de trabajo.
Una defensa conveniente para la mejora robótica
La respuesta estándar es que la teleoperación es un puente – una manera de empezar mientras que mejores métodos de entrenamiento de modelos robot se ponen al día. Para tareas estrechas y repetitivas en entornos controlados, es justo.
Pero lo que gran parte de la industria realmente está construyendo es infrastructur
e para generar demostraciones indefinidamente, sin un claro relato de cómo o cuándo cambia.
El campo está rastreando lo que es fácil de contar – demostraciones recolectadas, horas de grabación registradas, tareas completadas en entornos controlados – ninguna de las cuales le dice si el robot puede manejar algo que no ha visto antes, en un lugar que no fue establecido para él. La construcción de más de la misma infraestructura profundiza que la dependencia de los humanos en lugar de resolverla.
La pila de autonomía completa de Flexion incluye una capa de mando, una capa de movimiento y una capa de control. Fuente: Flexión
El camino que se ajusta al problema
Cuando los investigadores entrenaron modelos de lenguaje temprano sobre cantidades masivas de texto, consiguieron sistemas que podían imitar flojamente el estilo de Shakespeare, pero produjeron palabras que no tenían sentido. Impresionante sobre la superficie, pero aún no capaz de razonar.
El avance fue gracias al aprendizaje de refuerzo en entornos sintéticos, que produjo sistemas capaces de razonar, codificación y siguiendo instrucciones complejas.
La industria robótica está en gran parte atascada en ese momento temprano. Los datos de teleoperación escalada son el equivalente a escalar el texto pre-entrenamiento en 100.000x menos datos. Tienes robots que mueven sus brazos, a veces agarran algo, a veces no. Pueden imitar vagamente lo que un operador humano les mostró, pero no pueden razonar a través de una situación que no han visto antes.
Hay enfoques que se sitúan entre la teleoperación tradicional y la plena autonomía – captura de vídeo egocéntrico y dispositivos como la Interfaz Universal de Manipulación (UMI), lo que permite a los operadores demostrar tareas más naturalmente usando un agarre portátil en lugar de controlar un robot remotamente.
Estos métodos reducen la carga de los operadores y producen datos de movimiento algo más naturales. Aún requieren humanos en el bucle, pero son menos invasivos, y para tareas estrechas y bien definidas, pueden ser piedras de paso útiles. Dicho esto, no resuelven la dependencia total de la industria.
El aprendizaje de refuerzo es lo que cambia esto. En lugar de imitar lo que un operador humano lo mostró, un sistema entrenado con RL muestra las cosas a través del juicio y el error: intentar una tarea, fracasar, ajustar y tratar de nuevo a través de millones de iteraciones, sin un humano en el bucle.
La simulación se deriva naturalmente de eso; correr millones de iteraciones RL en el mundo real destruye el hardware y toma años. En la simulación, se reinicia instantáneamente, se ejecuta en paralelo, y genera variación a una escala que ninguna fuerza de trabajo humana podría coincidir. Y a diferencia de la teleoperación, escala directamente con el compute; más GPU significan más ambientes, más variación y más rápida iteración.
La gente que realiza el trabajo de teleoperación merece saber si la autonomía es el objetivo real, y también la gente financia estos proyectos. Si usted no tiene datos que muestran la dependencia de los humanos reduce con el tiempo, la teleoperación pasa de un stopgap al método permanente.
Sobre el autor
Nikita Rudin es cofundador y CEO de Flexion. Rudin completó su doctorado en el Laboratorio de Sistemas Robóticos en ETH Zurich mientras trabajaba en NVIDIA, donde se centró en el aprendizaje de refuerzo a gran escala, sistemas de control y simulación robótica
ion.
En NVIDIA, Rudin formó parte del equipo detrás de Isaac Gym e Isaac Lab, las herramientas de simulación ahora ampliamente adoptadas en toda la industria robótica. Ahora lidera a Flexion, que recientemente recaudó 50 millones de dólares de DST/NVentures para construir el “cerebro” generalizado para robots humanoides.
El post Cómo evitar la trampa de teleoperación en el desarrollo robótico apareció primero en The Robot Report.
Fuente: The Robot Report
Líderes en información sobre robótica latinoamérica.
Somos tu guía de robótica referente en la región.
