Action Intelligence lanza Chorus: los datos para robots se multiplican por 40

Action Intelligence (行元智能) anunció el 27 de octubre Chorus ("众行" en chino), un motor de datos de embodiment cruzado que transforma vídeos de acciones humanas en datos de preentrenamiento para robots de diseños distintos. El efecto anunciado: la muestra de entrenamiento crece 40 veces. Los vídeos se recogen desde cinco tipos de dispositivos portátiles y de mano, y el objetivo principal es aumentar la tasa de reutilización de los datos humanos.

Por qué el vídeo humano se convirtió en la moneda de la robótica

Los modelos de lenguaje tuvieron internet. Los robots no lo tienen. Cada hora de manipulación real de objetos hay que registrarla mediante teleoperación —donde un operador con casco o controladores maneja un brazo manipulador— o generarla en simulación, que se traslada mal al mundo físico. El primer camino es caro y lento: requiere robots, instalaciones y operadores entrenados. 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 todos los días. Si se grava 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 propia, mientras que un robot puede tener una pinza de dos dedos, una mano antropomórfica o un manipulador con un número distinto de grados de libertad. Esa es la brecha de embodiment. Chorus la cierra a nivel de datos, traduciendo el vídeo original a una forma utilizable para una plataforma concreta.

Cinco tipos de dispositivos en un solo flujo

El punto fuerte del anuncio es que Chorus no depende de un único método de grabación. La compañía menciona las siguientes fuentes:

• Gafas inteligentes. Ofrecen una vista en primera persona muy cercana a lo que "vería" la cabeza de un robot.
• Cámara pectoral. 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, útil para entrenar acciones de contacto precisas.
• Dispositivos UMI. Pinzas de mano con cámara basadas en la Universal Manipulation Interface. El movimiento humano se registra de forma que sea más fácil transferirlo a un manipulador.
• Diadema inteligente. 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 ocultas. La cámara de muñeca muestra el contacto con precisión, pero pierde contexto. Un motor único capaz de procesar un flujo tan heterogéneo libera al cliente de construir un pipeline distinto para cada sensor.

Qué promete realmente el aumento de 40 veces

La cifra 40 del titular del comunicado se refiere al volumen de datos de entrenamiento disponibles para el preentrenamiento tras procesar los vídeos humanos con Chorus. La lógica es simple: si una misma grabación puede usarse para varios tipos de robots y no solo para la plataforma en la que se filmó, el volumen total útil se multiplica. El preentrenamiento de los modelos fundacionales de robótica lleva tiempo tropezando 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 clave exige cautela: qué tan bien funcionan en robots reales los datos traducidos. Precisamente ahí es donde suelen verificarse los enfoques de embodiment cruzado: comparando la tasa de éxito en tareas de modelos con y sin datos humanos añadidos. Todavía no hay mediciones independientes sobre Chorus, así que habrá que evaluarlo con futuras demostraciones y benchmarks abiertos.

A quién le sirve esto en la práctica

Para los desarrolladores de humanoides y manipuladores, Chorus promete cambiar la estructura de costes: parte del presupuesto de teleoperación podría sustituirse por grabaciones baratas de personas. Los equipos que ya cuentan con sus propias flotas de cámaras portátiles tienen la oportunidad de reutilizar los archivos acumulados. Los integradores y fábricas donde los operarios realizan tareas rutinarias de ensamblaje y almacén podrían grabar el trabajo real del personal y convertirlo en material de entrenamiento.

Conviene vigilar tres cosas: qué robots concretos son compatibles, en qué formato entrega los datos el motor y si Action Intelligence publicará comparaciones con métodos base. De las respuestas dependerá si Chorus se convierte en una capa de infraestructura real o se queda en una presentación vistosa.