El 17 de septiembre, Figure presentó Helix 2.5. Figure es una de las empresas estadounidenses que más plata puso en robots humanoides, y Helix 2.5 es el sistema que maneja a su robot, el Figure 03. Para mostrarlo eligió una prueba fácil de explicar y difícil de hacer. Alquiló 30 casas en el Área de la Bahía de San Francisco, casas que el robot nunca había pisado. Y le pidió tres tareas: doblar toallas, tender la cama y juntar los juguetes del living en un canasto.
Le fue bien en el 56% de los intentos. Antes del cambio que explico más abajo, le iba bien en el 9%.
Vale la pena mirar bien el número. Fueron 420 intentos y 237 salieron bien. Solo contaba como éxito la tarea terminada completa, sin puntos por hacer la mitad. Tender la cama salió bien en el 67% de los casos, doblar toallas en el 62% y ordenar juguetes en el 40%
Qué cambió
Hasta ahora, un robot necesitaba conocer el lugar donde iba a trabajar. Había que entrenarlo en esa cocina, en ese depósito, con esos objetos. Cambiabas el entorno y el aprendizaje no se trasladaba. Figure dice que eso dejó de ser una condición. Lo llaman generalización «zero-shot», que quiere decir que el robot rinde al primer intento en un lugar nuevo.
Hay que hacer una aclaración que los titulares se saltearon. Las tareas el robot ya las había aprendido antes. Lo nuevo no fue la tarea. Fue el lugar.
El salto del 9% al 56% se explica por otra cosa. Figure entrenó el sistema con Index, una base de datos de comportamiento humano que la empresa viene armando a escala global. Según Figure, más de 90.000 personas aportan a Index cada semana, y se suman 35 minutos de experiencia humana por segundo. La empresa no detalla cómo se captura ese material. Sí dejó claro que ahí está la diferencia.
El problema no es el robot. Es el dato. Un brazo mecánico, un motor o una cámara se compran. Millones de horas de gente real haciendo cosas reales en casas reales no se compran, se construyen. Y a eso Figure le está apostando fuerte: anunció un compromiso de 3.500 millones de dólares en capacidad de cómputo para entrenar Helix.
La otra mitad del vaso
Un 56% también quiere decir que el robot no terminó la tarea en 44 de cada 100 intentos. El roboticista Tony Zhao lo dijo sin vueltas: es un robot que falla la mitad de las veces, y el trabajo útil necesita generalizar y además ser confiable. Nadie contrataría a alguien que tiende mal la cama una de cada tres veces. La propia Figure lo reconoce en su anuncio: el resultado no significa que la robótica humanoide general esté resuelta.
La lectura más repetida es que el próximo paso va a ser la industria. No estoy tan seguro de que ese sea el orden. Una fábrica es más fácil que una casa. Una línea de montaje es ordenada, repetible y está iluminada igual todos los días. Una casa no. Figure ya tuvo robots trabajando en una planta de BMW en Carolina del Sur. Lo difícil siempre fue lo desordenado. Probar en casas es probar donde el robot más sufre.
Lo interesante está en el medio: lugares que no son ni una automotriz ni un living. Un galpón de acopio, un taller, el depósito de una empresa mediana, un tambo. Espacios con cierta rutina pero donde nada está siempre en el mismo lugar.
Qué tiene que ver con nosotros
Hoy no hay humanoides trabajando en la Argentina y no los va a haber en el corto plazo. Eso pasó afuera y no llegó acá.
La idea que hay detrás, en cambio, sí nos toca. La automatización que conoce la industria argentina está atada a un lugar. Se programa para una planta y para una línea. Si cambiás la distribución, hay que empezar de nuevo. Por eso automatizar fue siempre cosa de empresas grandes con procesos estables. Adaptar la máquina a cada lugar es caro, y ese costo deja afuera a una metalúrgica de veinte empleados o a un acopio del interior.
Si la generalización se consolida, ese costo baja. Todavía es una hipótesis, no un hecho. Pero es la parte de esta noticia que conviene seguir.
La pregunta no es cuándo va a llegar un humanoide a una planta argentina. Es quién va a tener los datos para que funcione cuando llegue.
Columna de IA por Esteban Terranova