Uno de los mayores desafíos para la robótica en este momento es el funcionamiento autónomo práctico en entornos no estructurados. Es decir, hacer cosas útiles en lugares en los que su robot no ha estado antes y donde las cosas pueden no resultarle tan familiares como a su robot le gustaría. Los robots prosperan gracias a la previsibilidad, lo que ha impuesto algunas restricciones molestas sobre dónde y cómo pueden implementarse con éxito. Pero en los últimos años, esto ha comenzado a cambiar, gracias en gran parte a un par de desafíos robóticos fundamentales planteados por DARPA. El DARPA Subterranean Challenge se desarrolló entre 2018 y 2021, colocando robots móviles en una serie de entornos subterráneos no estructurados. Y el programa DARPA RACER, actualmente en curso, asigna a los vehículos autónomos la tarea de navegar largas distancias fuera de la carretera. A través de estos programas se ha desarrollado una tecnología extremadamente impresionante, pero siempre hay una brecha entre esta investigación de vanguardia y cualquier aplicación del mundo real. Ahora, muchas de las personas involucradas en estos desafíos, incluidos expertos en robótica de la NASA, DARPA, Google DeepMind, Amazon y Cruise (por nombrar sólo algunos lugares) están aplicando todo lo que han aprendido para permitir una autonomía práctica en el mundo real para robots móviles en una startup llamada Field AI. Field AI fue cofundado por Ali Agha, quien anteriormente fue líder de grupo del Grupo de Movilidad Aérea del JPL de la NASA, así como del Grupo de Sistemas de Percepción del JPL. Mientras estuvo en JPL, Agha lideró el equipo CoSTAR, que ganó el circuito urbano DARPA Subterranean Challenge. Agha también ha sido el investigador principal de DARPA RACER, primero con JPL y ahora continúa con Field AI. “La IA de campo no es sólo una startup”, nos dice Agha. «Es la culminación de décadas de experiencia en IA y su implementación en el campo». Los entornos no estructurados son lugares donde las cosas cambian constantemente, lo que puede causar estragos en los robots que dependen de mapas estáticos. La parte de «campo» en Field AI es lo que hace La startup de Agha es única. Los robots que ejecutan el software de Field AI pueden manejar entornos no estructurados y no mapeados sin depender de modelos anteriores, GPS o intervención humana. Obviamente, este tipo de capacidad era (y es) de interés para la NASA y el JPL, que envían robots a lugares donde no hay mapas, no existe GPS y la intervención humana directa es imposible. Pero DARPA SubT demostró que también se pueden encontrar entornos similares en la Tierra. Por ejemplo, las minas, las cuevas naturales y el subsuelo urbano son extremadamente difíciles de navegar para los robots (e incluso para los humanos). Y esos son sólo los ejemplos más extremos: los robots que necesitan operar dentro de edificios o en la naturaleza tienen desafíos similares para comprender dónde están, hacia dónde van y cómo navegar en el entorno que los rodea. Un vehículo autónomo recorre kilómetros de desierto sin mapa previo, sin GPS y sin carretera. AI de campo A pesar de la dificultad que tienen los robots para operar en el campo, esta es una enorme oportunidad que Field AI espera abordar. Los robots ya han demostrado su valía en contextos de inspección, generalmente donde es necesario asegurarse de que nada va mal en un sitio industrial grande o para rastrear el progreso de la construcción dentro de un edificio parcialmente terminado. Hay mucho valor aquí porque las consecuencias de que algo se estropee son costosas o peligrosas o ambas cosas, pero las tareas son repetitivas y a veces arriesgadas y generalmente no requieren tanta percepción o creatividad humana. Territorio inexplorado como base de operacionesLo que diferencia a Field AI de otras empresas de robótica que ofrecen estos servicios, como explica Agha, es que su empresa quiere realizar estas tareas sin tener primero un mapa que le indique al robot adónde ir. En otras palabras, no hay un largo proceso de configuración ni supervisión humana, y el robot puede adaptarse a entornos nuevos y cambiantes. Realmente, de esto se trata la plena autonomía: ir a cualquier lugar, en cualquier momento, sin interacción humana. “Nuestros clientes no necesitan recibir formación alguna”, afirma Agha, al exponer la visión de la empresa. “No necesitan tener mapas precisos. Presionan un solo botón y el robot descubre cada rincón del entorno”. Esta capacidad es donde entra en juego la herencia de DARPA SubT. Durante la competencia, DARPA básicamente dijo: “aquí está la puerta al campo. No vamos a decirles nada sobre lo que hay detrás ni siquiera sobre su tamaño. Simplemente explora todo y tráenos la información que hemos solicitado”. El equipo CoSTAR de Agha hizo exactamente eso durante la competencia, y Field AI está comercializando esta capacidad. “Con nuestros robots, nuestro objetivo es que usted simplemente los implemente, sin necesidad de tiempo de entrenamiento. Y luego podremos dejar a los robots”. —Ali Agha, Field AI La otra cosa complicada de estos entornos no estructurados, especialmente los entornos de construcción, es que las cosas cambian constantemente, lo que puede causar estragos en los robots que dependen de mapas estáticos. «Somos una de las pocas, si no la única, que puede dejar robots durante días en obras en constante cambio con una supervisión mínima», nos dice Agha. “Estos sitios son muy complejos: cada día hay nuevos elementos, nuevos desafíos y eventos inesperados. Materiales de construcción en el suelo, andamios, montacargas y maquinaria pesada moviéndose por todos lados, nada que se pueda predecir”. El enfoque de Field AIField AI para este problema es enfatizar la comprensión ambiental sobre el mapeo. Agha dice que, esencialmente, Field AI está trabajando para crear «modelos básicos de campo» (FFM) del mundo físico, utilizando datos de sensores como entrada. Se puede pensar que los FFM son similares a los modelos básicos de lenguaje, música y arte que otras empresas de IA han creado en los últimos años, donde la ingesta de una gran cantidad de datos de Internet permite cierto nivel de funcionalidad en un dominio sin requiriendo una formación específica para cada nueva situación. En consecuencia, los robots de Field AI pueden entender cómo moverse en el mundo, en lugar de solo dónde moverse. «Consideramos la IA de manera muy diferente a la corriente principal», explica Agha. «Hacemos modelos probabilísticos muy pesados». Se incluirían muchos más detalles técnicos en la propiedad intelectual de Field AI, dice Agha, pero el punto es que el modelado del mundo en tiempo real se convierte en un subproducto de los robots de Field AI que operan en el mundo en lugar de un requisito previo para esa operación. Esto hace que los robots sean rápidos, eficientes y resistentes. El desarrollo de modelos de cimientos de campo que los robots puedan usar para ir de manera confiable a casi cualquier lugar requiere una gran cantidad de datos del mundo real, que Field AI ha estado recopilando en sitios industriales y de construcción de todo el mundo durante los últimos años. año pasado. Para ser claros, están recopilando los datos como parte de sus operaciones comerciales: estos son clientes de pago que Field AI ya tiene. “En estos lugares de trabajo, tradicionalmente puede llevar semanas recorrer un sitio y mapear dónde se encuentran todos los objetivos de interés que es necesario inspeccionar”, explica Agha. “Pero con nuestros robots, nuestro objetivo es que usted simplemente los implemente, sin necesidad de tiempo de capacitación. Y luego podemos dejar a los robots. Este nivel de autonomía realmente desbloquea muchos casos de uso que nuestros clientes ni siquiera estaban considerando porque pensaban que faltaban años”. Y los casos de uso no se refieren sólo a la construcción o la inspección u otras áreas en las que ya estamos viendo sistemas robóticos autónomos, afirma Agha. «Estas tecnologías tienen un potencial inmenso». Obviamente existe una demanda para este nivel de autonomía, pero Agha dice que la otra pieza del rompecabezas que permitirá a Field AI aprovechar un mercado de billones de dólares es el hecho de que pueden hacer lo que hacen con prácticamente cualquier plataforma. Básicamente, Field AI es una empresa de software: fabrican cargas útiles de sensores que se integran con su software de autonomía, pero incluso esas cargas útiles son ajustables, desde algo apropiado para un vehículo autónomo hasta algo que un dron puede manejar. Diablos, si decides que necesitas un humanoide autónomo por alguna extraña razón, Field AI también puede hacerlo. Si bien la versatilidad aquí es importante, según Agha, lo que es aún más importante es que significa que puede centrarse en plataformas que son más asequibles y seguir esperando el mismo nivel de rendimiento autónomo, dentro de las limitaciones del diseño de cada robot, por supuesto. Con control sobre toda la pila de software, integrando la movilidad con la planificación de alto nivel, la toma de decisiones y la ejecución de misiones, Agha dice que el potencial de aprovechar robots relativamente económicos es lo que marcará la mayor diferencia hacia el éxito comercial de Field AI. cerebro, muchos robots diferentes: los modelos básicos del equipo de Field AI se pueden usar en robots grandes, pequeños, costosos y algo menos costosos. Field AIField AI ya está ampliando sus capacidades, aprovechando parte de su experiencia reciente con DARPA RACER trabajando en el despliegue de robots para inspeccionar tuberías a lo largo de decenas de kilómetros y transportar materiales a través de parques solares. Con ingresos entrantes y una parte sustancial de la financiación, Field AI incluso ha atraído el interés de Bill Gates. La participación de Field AI en RACER continúa, bajo una especie de compañía subsidiaria para proyectos federales llamada Offroad Autonomy, y mientras tanto su lado comercial apunta a expandirse a «cientos» de sitios en todas las plataformas que pueda imaginar, incluidos los humanoides. Artículos del sitioArtículos relacionados en la Web