Figure AI finalmente reveló el jueves el “gran avance” que llevó a la startup de robótica a romper lazos con uno de sus inversionistas, OpenAI: una novedosa arquitectura de inteligencia artificial de doble sistema que permite a los robots interpretar comandos en lenguaje natural y manipular objetos que nunca antes habían visto, sin necesidad de entrenamiento previo ni programación específica para cada uno.
A diferencia de los robots tradicionales, que requieren una extensa programación o demostraciones para cada nueva tarea, Helix combina un sistema de razonamiento de alto nivel con control motor en tiempo real. Estos dos sistemas cierran la brecha entre la comprensión semántica (saber qué son los objetos) y la acción o control motor (saber cómo manipularlos).
Gracias a esto, los robots podrán volverse más hábiles con el tiempo sin necesidad de actualizaciones de software o nuevo entrenamiento. Para demostrarlo, la compañía publicó un video en el que se ven dos robots Figure trabajando juntos para guardar comestibles: uno entrega los artículos mientras el otro los coloca en cajones y refrigeradores.
Figure explicó que ninguno de los robots tenía información previa sobre los objetos con los que interactuaban, pero aun así lograron identificar cuáles debían ir en el refrigerador y cuáles podían almacenarse en seco.
“Helix puede adaptarse a cualquier objeto del hogar”, tuiteó Adcock. “Al igual que un humano, Helix entiende el habla, razona sobre problemas y puede agarrar cualquier objeto, todo sin necesidad de entrenamiento o programación”.
Cómo funciona esta tecnología
Para lograr esta capacidad de generalización, la startup con sede en Sunnyvale, California, desarrolló lo que llama un modelo de Visión-Lenguaje-Acción (VLA), que unifica la percepción, la comprensión del lenguaje y el control aprendido. Esto es lo que permite que sus modelos sean tan versátiles.
Según Figure, este modelo marca varios hitos en la robótica. Puede generar control continuo del cuerpo superior de un robot humanoide a 200 Hz, incluyendo el movimiento de los dedos, la posición de las muñecas, la orientación del torso y la dirección de la cabeza. Además, permite que dos robots colaboren en tareas con objetos que nunca antes habían visto.
El gran avance de Helix radica en su arquitectura de sistema dual, que imita la cognición humana:
- “Sistema 2”: Un modelo de lenguaje y visión (VLM) de 7 mil millones de parámetros, encargado de la comprensión de alto nivel a una velocidad de 7-9 Hz. Este sistema “piensa lentamente” para tareas o movimientos estructurales y complejos.
- “Sistema 1”: Una política visomotora de 80 millones de parámetros, que traduce esas instrucciones en movimientos físicos precisos a 200 Hz, permitiendo “pensamiento rápido” y reacciones en tiempo real.
A diferencia de enfoques anteriores, Helix usa un único conjunto de pesos de red neuronal para todos los comportamientos, sin necesidad de ajustes específicos para cada tarea. Un sistema procesa datos visuales y de voz para la toma de decisiones complejas, mientras que el otro traduce esas decisiones en movimientos precisos.
“Hemos estado trabajando en este proyecto por más de un año con el objetivo de resolver la robótica general”, tuiteó Adcock. “La programación tradicional no es la solución; necesitamos un cambio radical en las capacidades para escalar hasta un nivel de mil millones de robots”.
Helix sostiene que esto abre la puerta a una nueva ley de escalabilidad en robótica, una que no depende de la codificación tradicional, sino de un modelo que mejora de forma colectiva sin entrenamiento previo en tareas específicas.
Para entrenar a Helix, Figure recopiló alrededor de 500 horas de comportamientos de robots controlados de forma remota y luego utilizó un sistema de etiquetado automático para generar instrucciones en lenguaje natural para cada demostración. Todo el sistema opera en GPUs integradas dentro de los robots, lo que lo hace listo para su uso comercial inmediato.
Figure AI también anunció que ya ha asegurado acuerdos con BMW Manufacturing y un importante cliente estadounidense no identificado. La compañía cree que estas alianzas marcan “el camino hacia 100,000 robots en los próximos cuatro años”, según Adcock.
A principios de este año, la empresa de robótica humanoide recaudó 675 millones de dólares en una ronda de inversión Serie B, con el respaldo de OpenAI, Microsoft, NVIDIA y Jeff Bezos, alcanzando una valoración de 2,600 millones de dólares. Además, se informa que está en negociaciones para recaudar otros 1,500 millones de dólares, lo que podría elevar su valoración a 39,500 millones de dólares.
