La robótica se queda sin datos: el nuevo cuello de botella de la IA física
How to Train Your Robot
El avance de la IA se ha basado en enormes volúmenes de datos, pero los robots no tienen un corpus equivalente al texto de internet. La teleoperación, la simulación y el aprendizaje por refuerzo son las principales fuentes actuales, aunque cada una tiene limitaciones de coste, realismo o escalabilidad. La clave estará en construir un 'data flywheel' con robots desplegados en el mundo real, pero hoy son muy pocos los que realizan trabajo útil.
El mayor desafío que enfrentamos fue crear entornos en simulación lo suficientemente diversos como para capturar la física del mundo real. Factores como la fricción, la elasticidad y la dinámica son increíblemente difíciles de medir y modelar para objetos tan complejos como cubos de Rubik o manos robóticas, y descubrimos que la aleatorización de dominio por sí sola no es suficiente.