El robot, un par de brazos sin cuerpo con pinzas de cangrejo en los extremos, no debía recoger la bolsa. Su tarea era una única y tediosa labor: abrir bolsas de plástico en una cinta transportadora e introducir dentro peluches de plantas en maceta.
Entonces, un peluche se atascó a medio camino. El robot se detuvo brevemente, como si evaluara su trabajo, y luego hizo algo que no estaba programado para hacer. Levantó el otro brazo, agarró el otro lado de la bolsa, la sacudió rápidamente para que el juguete se deslizara hasta el final y la volvió a colocar en la cinta.
Para un trabajador humano, eso es memoria muscular. Para los ingenieros de Generalist, una startup de Silicon Valley que desarrolla “cerebros” robóticos, fue una señal: el robot no solo estaba repitiendo una tarea programada. Estaba improvisando.
Este tipo de comportamientos “emergentes” son la razón por la que Pete Florence, CEO de Generalist y uno de los principales responsables de PaLM-E, uno de los artículos fundamentales de robótica de Google, cree que la robótica se acerca a su “momento ChatGPT”.
La startup, que recaudó 140 millones de dólares con una valoración de 440 millones en 2025, y que Florence fundó con su compañero de Google Andy Zeng y el robotista de Boston Dynamics Andy Barry, pasó en gran medida desapercibida. (Entre sus inversores se encuentran Spark Capital, NVentures de Nvidia, Bezos Expeditions y Boldstart Ventures).
Ahora lanza un nuevo modelo llamado GEN-1, y Florence afirma que puede ayudar a los robots comerciales a realizar una gama más amplia de tareas de alta destreza que normalmente realizan los humanos —doblar la ropa y “empacar kits”, es decir, empaquetar varios tipos de artículos diferentes en una sola caja— a la vez que improvisa en los casos extremos, desordenados e impredecibles que históricamente han desconcertado a los robots.
“Lo que está sucediendo ahora con la robótica es similar a cuando se abrió GPT-3 y se le pidió que escribiera un limerick completamente nuevo”, declaró a Forbes. “Ese limerick no existía antes. Para lograrlo, se necesita un nivel de inteligencia capaz de improvisar. Lo que estamos haciendo se aplica a la robótica y a otros campos”.
Su tesis es simple, costosa y, hasta cierto punto, probada: dejar de tratar la robótica como maquinaria personalizada y empezar a tratarla como un modelo de lenguaje a gran escala. Es la misma tesis que impulsó la espectacular explosión de capacidades de IA en ChatGPT, solo que con datos robóticos en lugar de los datos textuales con los que se entrenan los grandes modelos de lenguaje: construir modelos cada vez más grandes, alimentarlos con toneladas de datos, iterar sin cesar y confiar (o esperar) que surjan nuevas capacidades.
“Estamos haciendo todo lo necesario para expandirnos”, afirma.
Tras años relegados a un segundo plano frente al software, los robots vuelven a estar de moda en Silicon Valley. El CEO de Nvidia, Jensen Huang, contribuyó a desatar esta nueva fiebre el año pasado al declarar que los robots estaban entrando en la era de ChatGPT.
Desde entonces, internet se inundó de vídeos de robots humanoides realizando volteretas, breakdance y saltos acrobáticos. Mientras tanto, la mayoría de los robots del mundo real aún tienen dificultades fuera de las tareas cuidadosamente definidas.
ChatGPT puede escribir código y correos electrónicos estándar, pero los robots todavía no preparan el almuerzo, gestionan las entregas de DoorDash ni dirigen fábricas sin un ejército de cuidadores humanos.
El enfoque de Generalist es similar al de su competidor de mayor valor, Physical Intelligence (que, se informa, recaudó 1,000 millones de dólares con una valoración de 11,000 millones de dólares): combinar hardware robótico comercial con modelos de IA basados en transformadores de la misma familia que los que se encuentran detrás de ChatGPT.
Te interesa: Robots humanoides de China acaparan la atención en el espectáculo del Año Nuevo Lunar
El problema de los datos
Hay algo en lo que casi todos en robótica coinciden: la recopilación de datos es un cuello de botella fundamental. Los grandes modelos de lenguaje pueden entrenarse con el vasto corpus de internet. Los robots no. No existe una Wikipedia para el trabajo físico; no se puede extraer información como “si el juguete no entra en la bolsa, intenta agitarlo”.
La solución más común es la teleoperación: plataformas voluminosas que permiten a los humanos controlar remotamente los sistemas robóticos para generar ejemplos de entrenamiento. Su competidora, Physical Intelligence, se apoya en gran medida en este enfoque, creando entornos simulados como cocinas y dormitorios para el entrenamiento. Incluso ha alquilado alojamientos de Airbnb para practicar en entornos reales.
Generalist cree haber encontrado una alternativa más escalable.
Años antes de que existiera Generalist, el cofundador Zeng paseaba por Newport Beach cuando vio a alguien recogiendo basura con una simple pinza. Fue una revelación para Zeng, quien se preguntó si una herramienta similar podría usarse para generar los datos necesarios para entrenar las pinzas robóticas mencionadas anteriormente.
El resultado de esta idea es lo que Generalist denomina “manos de datos”: dispositivos que se colocan en las muñecas y que, en la práctica, transforman las manos en pinzas robóticas, recopilando datos visuales y sensoriales.
Generalist no quiso explicar qué datos se recopilan ni cómo se procesan, pero afirma que su funcionamiento es lo suficientemente intuitivo como para utilizarse en hogares, almacenes y lugares de trabajo para realizar tareas cotidianas.
En las oficinas de Generalist en San Mateo, los operadores de las “manos de datos” trabajan codo con codo con los investigadores, practicando tareas como preparar un ramo de flores o manipular dispositivos electrónicos.
Florence afirma que la recompensa es un conjunto de datos tan extenso —que ahora supera el medio millón de horas— como lo suficientemente rico como para entrenar modelos capaces de generalizar entre tareas, en lugar de simplemente memorizarlas.
Por el momento, estos resultados aún requieren cierta interpretación. De acuerdo con Florence, los robots pueden doblar cajas casi tan rápido como los humanos, y aproximadamente tres veces más rápido que los sistemas de la competencia. Sin embargo, el hardware en sí es rudimentario, con pinzas que carecen de la agilidad de las manos humanas con pulgares oponibles.
La respuesta de Generalist es pragmática: las manos sofisticadas son excelentes hasta que se rompen o fallan fuera de las estrictas condiciones de laboratorio, y las pinzas pueden realizar una amplia variedad de tareas que normalmente llevan a cabo las manos humanas.
“Si analizamos GPT-2, lanzado en 2019, lo descartaríamos por completo”, comentó Fraser Kelton, inversor de Gneeraeneralist en Spark Capital, quien anteriormente dirigió el desarrollo de productos en OpenAI durante la comercialización de GPT-3 y ChatGPT. “Pero desde entonces, cada vez que han ampliado estos modelos, los beneficios en generalización han sido enormes… Y de repente, las empresas de modelos de lenguaje que desarrollaban modelos verticales o específicos de dominio han quedado eclipsadas. Literalmente, está ocurriendo exactamente lo mismo en robótica”.
No todos comparten la hipótesis de Generalist de que “la escalabilidad es todo lo que se necesita en robótica”. Brad Porter, exejecutivo de robótica de Amazon y actual director ejecutivo de Cobot, argumenta que la robótica aún necesita avances arquitectónicos significativos antes de que la escalabilidad pueda aplicarse de forma efectiva.
“Simplemente aplicar una enorme cantidad de datos a la fuerza bruta contra una arquitectura imperfecta es realmente costoso y no necesariamente te dará el resultado deseado”, declaró a Forbes. “ImageNet no habría funcionado sin CNN, y OpenAI no habría funcionado sin transformadores”, añadió, refiriéndose a los avances que han hecho posible la IA moderna. “La escalabilidad siempre ha ido de la mano de los avances arquitectónicos”.
Este artículo fue publicado originalmente en Forbes US
Síguenos en Google Noticias para mantenerte siempre informado
