Action Intelligence lanza Chorus: los datos para robots crecen 40 veces

Action Intelligence (行元智能) anunció el 27 de octubre Chorus (en chino, «众行»), un motor de datos cross-embodiment que convierte vídeos de acciones humanas en datos de preentrenamiento para robots de diseños diversos. El efecto declarado: la muestra de entrenamiento crece 40 veces. El vídeo procede de cinco tipos de dispositivos, portátiles y de mano, y el objetivo principal es aumentar el coeficiente de reutilización de los datos humanos.

Por qué el vídeo de personas se ha convertido en la moneda de la robótica

Los modelos de lenguaje tuvieron internet. Los robots no. Cada hora de manipulación real de objetos hay que grabarla mediante teleoperación, con un operador que controla el manipulador con casco o con mandos, o bien obtenerla en simulación, que se transfiere mal al mundo físico. El primer camino es caro y lento: requiere robots, instalaciones y operadores formados. El segundo sufre la brecha entre el simulador y la realidad.

El vídeo humano funciona de otra manera. Las personas ya cogen tazas, abren cajones y doblan ropa cada día. Si se graba todo eso con cámaras portátiles baratas, los datos se acumulan órdenes de magnitud más rápido. Pero hay un problema: la mano humana tiene cinco dedos y una cinemática determinada, mientras que un robot puede tener una pinza de dos dedos, una mano antropomorfa o un manipulador con otro número de grados de libertad. Esa es la brecha entre «cuerpos», o embodiment gap. Chorus la cierra en el plano de los datos: traduce el vídeo original a una forma adecuada para cada plataforma concreta.

Cinco tipos de dispositivos en un mismo embudo

La fortaleza del anuncio es que Chorus no depende de una sola forma de grabar. La compañía cita estas fuentes:

• Gafas inteligentes. Ofrecen una vista en primera persona, lo más parecida posible a lo que «ve» la cabeza de un robot.
• Cámara de pecho. Capta la zona de trabajo frente al cuerpo y las manos en el encuadre, sin estorbar los movimientos.
• Cámara de muñeca. Muestra el agarre del objeto en primer plano, algo útil para entrenar acciones de contacto precisas.
• Dispositivos UMI. Pinzas de mano con cámara inspiradas en Universal Manipulation Interface. El movimiento de la persona se registra de forma que resulte más fácil trasladarlo a un manipulador.
• Banda inteligente para la cabeza. Un sensor portátil ligero para sesiones de grabación largas.

Cada dispositivo distorsiona la imagen a su manera. Las gafas ven la escena completa, pero las manos pueden quedar tapadas. La cámara de muñeca muestra con precisión el contacto, pero pierde contexto. Un único motor que acepta un flujo tan heterogéneo evita que el cliente tenga que construir un pipeline distinto para cada sensor.

Qué promete el aumento de 40 veces

La cifra 40 del titular del comunicado se refiere al volumen de datos de entrenamiento disponibles para el preentrenamiento una vez que los vídeos humanos pasan por Chorus. La lógica es sencilla. Si una misma grabación puede usarse para varios tipos de robots, y no solo para la plataforma con la que se filmó, el volumen útil total se multiplica. El preentrenamiento de modelos foundation de robótica lleva tiempo chocando precisamente con la diversidad y la escala: sin decenas de miles de horas de tareas, escenas y objetos distintos, los modelos generalizan mal.

La pregunta principal exige cautela: con qué calidad funcionan los datos traducidos en robots reales. Aquí es donde suelen ponerse a prueba los enfoques cross-embodiment: se compara el éxito en la ejecución de tareas de modelos con y sin datos humanos añadidos. De momento no hay mediciones independientes de Chorus, así que habrá que evaluarlo por futuras demostraciones y por benchmarks abiertos.

A quién le servirá en la práctica

Para los desarrolladores de humanoides y manipuladores, Chorus promete cambiar la estructura de costes: una parte del presupuesto de teleoperación puede sustituirse por la grabación barata de personas. Los equipos que ya tienen flotas propias de cámaras portátiles tienen la oportunidad de reutilizar los archivos acumulados. A los integradores y a las fábricas donde los operarios realizan tareas típicas de ensamblaje y almacén se les abre la posibilidad de grabar el trabajo real del personal y convertirlo en material de entrenamiento.

Conviene vigilar tres cosas: qué robots se admiten exactamente, en qué formato entrega los datos el motor y si Action Intelligence publica comparaciones con métodos de referencia. De las respuestas depende que Chorus se convierta en una capa operativa de la infraestructura o se quede en una presentación vistosa.