Investigadores ex de Meta buscan llevar la IA visual a las plantas de fabricación

La inteligencia artificial está remodelando nuestro mundo, pero hasta ahora se ha mantenido principalmente dentro de los límites digitales. Ahora, una nueva oleada de startups está llevando estas capacidades al mundo físico.

Perceptron, fundada por dos exinvestigadores de Meta, está liderando este cambio. Establecida en noviembre de 2024, la empresa desarrolla modelos de visión avanzados que permiten a las máquinas interactuar de manera más efectiva con su entorno físico.

Esta semana, Perceptron presentó Isaac 0.5, un modelo diseñado para dotar a las máquinas de la capacidad de “percibir, razonar y actuar” dentro de entornos industriales. El software permite a los robots guiados por visión navegar por espacios complejos como fábricas y almacenes, al tiempo que permite a las empresas extraer valiosas perspectivas visuales de las imágenes capturadas por estos robots.

Isaac 0.5 está disponible como un modelo de pesos abiertos, lo que hace que sus parámetros y datos de entrenamiento sean accesibles para su inspección pública.

Fundada por Armen Aghajanyan y Akshat Shrivastava, ambos antiguos miembros del equipo de Investigación Fundamental de IA (FAIR) de Meta, Perceptron ha obtenido recientemente 21 millones de dólares en financiación liderados por Bessemer Venture Partners. Los fundadores ven su software como el siguiente paso en la automatización industrial.

“La Actual IA Física presenta un falso dilema: modelos base generalistas que requieren múltiples GPUs de nube dedicadas por instancia, o modelos estrechos que manejan ya sea la percepción o el control, pero rara vez ambos”, explica la empresa.

Aghajanyan y Shrivastava argumentan que su herramienta difiere de las soluciones existentes por ser de propósito general. En lugar de estar optimizada para una única tarea repetitiva, el modelo está diseñado para adaptarse con flexibilidad a diversos entornos y situaciones.

En una entrevista, Shrivastava planteó una reflexión sobre tareas físicas simples, como organizar cajas: “Considera un robot desplegado para clasificar paquetes. ¿Qué tareas específicas debe realizar?”

Este proceso aparentemente sencillo implica múltiples pasos complejos. El robot debe primero leer las etiquetas de los paquetes, realizar un análisis espacial para localizar las cajas y determinar qué artículo debe recoger. Al manejar múltiples cajas, también debe planificar la secuencia y el orden de las operaciones.

El software de Perceptron ayuda a los robots a navegar cada uno de estos pasos. Mientras que otras herramientas del sector pueden manejar tareas individuales, pocas ofrecen la flexibilidad necesaria para aplicaciones dinámicas del mundo real.

Entonces, ¿de dónde proviene los datos para esta innovación algorítmica?

Modelos como Isaac 0.5 adquieren habilidades operativas procesando grandes volúmenes de datos de entrenamiento en video. Perceptron afirma que su nuevo modelo fue entrenado con un millón de horas de video general para reconocer entornos, elementos visuales y escenarios. La empresa también utilizó video en primera persona (ego video), grabado desde una perspectiva en primera persona, a menudo mediante cámaras portátiles, y video UMI, que registra movimientos humanos repetitivos para enseñar acciones físicas a los sistemas de IA.

Aunque Perceptron no ha revelado fuentes de datos específicas, Shrivastava señaló que la empresa ha “construido internamente conjuntos de datos a escala de petabytes que abarcan múltiples modalidades, incluyendo imágenes, texto, video y trayectorias robóticas”.

El potencial del software que permite a los robots operar eficientemente en almacenes es inmenso. Perceptron cree que está bien posicionada para impulsar esta ola de automatización, ofreciendo su software a diversos proveedores para su integración en múltiples industrias.

Los sectores objetivo incluyen la fabricación, la logística, el almacenamiento, la seguridad, la movilidad y los medios y el entretenimiento.

“Nada como esto existe actualmente en el mercado”, afirmó Aghajanyan. “Estamos realmente entusiasmados con las posibilidades”.