The robot race is fueling a fight for training data

La carrera por definir el futuro de la robótica depende de asegurar datos de entrenamiento de alta calidad, que constituyen el ingrediente fundamental para permitir que las máquinas destaquen tanto en entornos laborales como domésticos. Al igual que las artes culinarias distinguen entre cortes premium y recortes, los especialistas en robótica reconocen que no todos los datos son iguales. Los datos de demostración de alta fidelidad, obtenidos mediante teleoperación humana precisa, permiten que los robots aprendan tareas complejas con una precisión excepcional. Sin embargo, los elevados costos de tiempo y dinero asociados con la generación de estos datos "premium" crean un cuello de botella que limita la escalabilidad de las capacidades robóticas avanzadas. Para superar estos obstáculos de eficiencia, los investigadores están desarrollando soluciones de hardware que democratizan la recopilación de datos. Al crear dispositivos económicos y fáciles de usar, como pinzas ligeras de plástico, las personas comunes pueden capturar datos operativos ricos durante actividades cotidianas sin necesidad de equipos especializados costosos. Este enfoque acelera drásticamente el proceso de recopilación de datos, haciendo factible acumular las vastas cantidades de ejemplos diversos necesarios para entrenar modelos de IA robustos que puedan imitar con fluidez la destreza humana en entornos no estructurados. Además, el movimiento de datos abiertos está acelerando el progreso mediante iniciativas de colaboración y compartición. Proyectos como DROID agregan cientos de horas de datos de interacción de múltiples instituciones y empresas, permitiendo que los investigadores aprovechen conjuntos de datos existentes en lugar de comenzar desde cero. Esta apertura no solo reduce los esfuerzos redundantes, sino que también fomenta el desarrollo de modelos generalistas capaces de comprender comandos en lenguaje natural y ejecutar diversas tareas físicas. Para la comunidad de datos abiertos, este cambio subraya el valor crítico de los conjuntos de datos compartidos y de alta calidad para impulsar la innovación y reducir las barreras de entrada en el desarrollo de la IA encarnada.

Fuente: technologyreview.com
Publicado el 2024-05-01

Noticias relacionadas

« Transparencia digital: desafíos y oportunidades para la confianza pública

Startup chilena Theodora AI lanza campeonato global para contribuir a la mitigación de sesgos en la inteligencia artificial | Diario Financiero »