Los laboratorios de IA pagan a XDOF por la recopilación de datos desordenados para el entrenamiento de robots

Hace dos semanas, OpenAI anunció que reactivaría el programa de robótica que había cerrado en 2021, la última señal de que los principales laboratorios de IA compiten por enseñar a las máquinas a desenvolverse en el mundo físico. Pero construir robots capaces requiere algo de lo que la industria de la IA aún carece: datos de entrenamiento equivalentes a los que utilizan los modelos de lenguaje.

Esta carencia está impulsando un nuevo tipo de negocio de infraestructuras. A diferencia de los modelos de lenguaje a gran escala (LLM), que se entrenaron con enormes cantidades de texto disponible públicamente, los robots necesitan datos que capturen interacciones físicas —y ese tipo de datos apenas existe—. Los vídeos de YouTube y las grabaciones de trabajadores autónomos son de baja calidad y difíciles de alinear con el mundo físico.

XDOF (que se pronuncia «ecks-doff»), que hoy sale del modo sigiloso, cree que el próximo gran cuello de botella en la IA no serán los modelos ni los chips, sino el ciclo de retroalimentación de datos necesario para enseñar a los robots a interactuar con el mundo físico.

La startup tiene como objetivo crear los canales de datos, las herramientas de recopilación y los sistemas de anotación que los laboratorios de vanguardia y las empresas de robótica no pueden desarrollar fácilmente por sí mismos, y para ello ha recaudado 70 millones de dólares de Thrive Capital, Spark Capital, a16z, Lux y WndrCo. El cofundador y director ejecutivo, Philippe Wu, afirma que XDOF, que cuenta con una plantilla de unas 60 personas, ya está trabajando con 20 clientes, entre los que se incluyen varios laboratorios punteros de IA, aunque no puede revelar sus nombres.

«Todos los laboratorios punteros están intentando avanzar en robótica», afirmó Wu. «Ya hemos visto algunas de las desventajas de quedarnos ligeramente rezagados en la carrera por los modelos de lenguaje… No quieres acabar en una situación en la que te lances a por esta tecnología demasiado tarde, y todo el mundo se encuentre en la misma situación, en la que la IA física es la próxima frontera».

Wu se topó con este problema de primera mano cuando era estudiante de doctorado en la Universidad de California en Berkeley. Su objetivo era conseguir que los robots aprendieran habilidades a partir de conjuntos de datos a gran escala. Solo había un problema.

«No disponíamos de datos a gran escala con los que trabajar», explicó a TechCrunch. «Se trataba de un problema del huevo y la gallina: primero teníamos que recopilar datos antes incluso de poder plantearnos cómo entrenar un modelo base para la robótica».

Wu y su futuro cofundador y director técnico de XDOF, Fred Shentu, trabajaron en un proyecto llamado GELLO, un sistema de teleoperación de bajo coste que permite a un operador humano controlar un brazo robótico para generar datos de entrenamiento. «Acabó convirtiéndose en un artículo muy influyente en el ámbito de la robótica, porque mucha gente tenía necesidades y obstáculos similares, y muchos empezaron a aprovechar este tipo de dispositivos para la recopilación de datos», explicó Wu.

Al detectar la oportunidad, Wu, Shentu y el tercer cofundador y director de operaciones, Nemo Jin, lanzaron XDOF en octubre de 2024 con el objetivo de proporcionar un ecosistema de datos a las empresas que desarrollan modelos robóticos. Conscientes de que el mero suministro de datos puede ser un negocio sin futuro, la empresa también se centra en la limpieza de datos, las herramientas y la anotación, creando así un bucle de retroalimentación que se refuerza a sí mismo para los entrenadores de robots.

Como punto de partida, la empresa se ha asociado con el laboratorio de investigación en IA de la Universidad de California en Berkeley para publicar lo que considera la mayor colección de datos de entrenamiento de robots de alta calidad jamás recopilada, denominada ABC. Incluye 130 000 trayectorias de datos de manipulación robótica, 300 horas de simulación y 100 horas de evaluaciones. Nunca antes se había puesto a disposición del mundo académico un conjunto de datos de preentrenamiento a tan gran escala.

«Hemos visto en el ámbito del lenguaje, la generación de imágenes y otros campos que, cuando se publican modelos y datos, la comunidad logra cosas que no necesariamente se habrían esperado», explicó a TechCrunch David McAllister, un estudiante de doctorado de Berkeley que ayudó a organizar la publicación.

El equipo ya ha utilizado los datos para entrenar a robots en tareas de referencia como doblar camisetas y aplanar cajas, o colocar AirPods en sus estuches.

Grados de libertad ilimitados

La empresa tiene previsto trabajar en tres niveles de una pirámide de datos. El nivel más valioso es el de los datos de teleoperación recopilados en el propio robot que se está utilizando; a continuación, están los robots teleoperados que recopilan datos más generales, como en el caso de GELLO; y, por último, los datos «egocéntricos» recopilados por personas que realizan tareas cotidianas, para lo cual XDOF tiene previsto desarrollar sus propios sensores portátiles.

«La elección de la cámara va a afectar a la calidad de los datos, lo que a su vez influirá en el rendimiento del algoritmo de seguimiento de manos», explicó Wu. «Si no se diseña bien el hardware desde el principio, los datos recopilados podrían presentar problemas muy específicos que no se habían previsto».

La empresa tiene previsto contratar y formar a un gran número de teleoperadores y operadores de datos egocéntricos en todo el mundo —un modelo que requiere mucha mano de obra y que plantea una pregunta obvia: ¿por qué los principales laboratorios no realizan ellos mismos esta labor de producción de datos?

«Se necesita un almacén de cientos de miles de pies cuadrados con cientos de robots», explicó Wu. «Hay que mantener estos robots, calibrar sus parámetros físicos y formar adecuadamente a los operadores».

Se trata de una inversión que requiere dedicación, capital y una escala operativa que la mayoría de los laboratorios de IA preferirían externalizar —que es precisamente el mercado por el que apuesta XDOF—.

El nombre XDOF es un juego de palabras con el término robótico «grados de libertad», que describe el número de movimientos independientes que puede realizar un robot. Tu brazo, desde el hombro hasta la muñeca, tiene siete grados de libertad. El último robot de la empresa de robótica humanoide Figure.AI tiene 30. La «X» del nombre de la empresa refleja su ambición: «Grados de libertad arbitrarios, grados de libertad ilimitados», afirma Wu.