Grabar tus tareas domésticas podría entrenar a los mayordomos androides del futuro

Por Stephanie Yang, CNN

El sueño de tener robots humanoides en todos los hogares ha creado un nuevo tipo de trabajo. Los únicos requisitos son una diadema, un teléfono inteligente y una lista de tareas domésticas.

Con la evolución de la inteligencia artificial, los robots humanoides se han convertido en la nueva frontera en la carrera por dominar la tecnología avanzada. Los fabricantes de robots están lanzando una sucesión de nuevos modelos que pueden caminar, bailar y pelear con una agilidad cada vez mayor.

Pero el santo grial de la floreciente industria —un robot de uso general que pueda trabajar en tiendas, oficinas y hogares— necesita una enorme cantidad de datos para aprender a reemplazar a los humanos de forma segura y eficaz. Cada vez más, esos datos los crean personas que se graban a sí mismas haciendo tareas domésticas rutinarias.

Esto ha creado un apetito voraz por material en primera persona que pueda usarse para entrenar robots, también conocido como “datos egocéntricos” o “datos humanos”.
En los últimos meses, muchas startups han intervenido para satisfacer esa demanda recopilando y anotando videos de miles de trabajadores contratados en todo el mundo.

“Manufactura, almacenes, comercio minorista, residencias de ancianos, hospitales: vas a necesitar este tipo de datos prácticamente en cada entorno, ya que los movimientos son todos diferentes”, dijo Arian Sadeghi, vicepresidente de datos de robótica en Micro1, que empezó a reclutar su propio ejército de videógrafos remotos el año pasado.

Cada persona recibe un equipo para la cabeza para acoplar una cámara, instrucciones de filmación y una lista de tareas como cocinar, limpiar, jardinería y cuidado de mascotas. Se espera que los trabajadores alternen entre diferentes tareas y entreguen al menos 10 horas de video semanales.

Aunque actualmente las grabaciones se centran en tareas domésticas, Sadeghi comentó que la empresa anima a los contratistas a experimentar con lo que graban, por si esto pudiera ayudar a los robots a adaptarse más rápidamente a nuevos entornos y responsabilidades.

“Lo que les decimos es: ‘Si quieres que un robot haga esto por ti, adelante, grábalo’”, dijo Sadeghi.

Aunque Micro1 tiene su sede en Palo Alto, California, cuenta con unos 4.000 “generalistas de robótica” en distintos hogares de 71 países, que envían a la empresa más de 160.000 horas de video cada mes. Sadeghi dijo que eso ni de lejos es suficiente.

“Probablemente necesitas miles de millones de horas”, dijo. “Ni siquiera hemos llegado a las interacciones humanas. Esto son solo tareas domésticas simples”.

Añadió que la creciente demanda de datos en robótica refleja la trayectoria inicial de ChatGPT y otros chatbots de IA. Entrenado con cientos de miles de millones de palabras recopiladas de internet, ChatGPT utiliza lo que ha aprendido sobre patrones de texto para generar las respuestas más probables a las preguntas de los usuarios.

Tras el procesamiento de texto, los modelos de IA evolucionaron para generar imágenes y videos personalizados bajo demanda, basándose en contenido disponible en línea.
Sin embargo, los desarrolladores de robots requieren un conjunto de datos de entrenamiento mucho más específico y carecen de la misma biblioteca instantánea que internet ofrecía anteriormente.

Esto se ha convertido en una oportunidad multimillonaria para startups como Micro1, que también anotan los videos para que los robots puedan diferenciar objetos, distancias y movimientos físicos. Las empresas de investigación de mercado estiman que la industria de recopilación y etiquetado de datos crecerá, en promedio, un 30 % anual, impulsada por el crecimiento en Asia, hasta alcanzar al menos US$ 10.000 millones en 2030.

Ravi Rajalingam, fundador de la empresa de anotación de datos Objectways, proporcionaba datos de audio y video para entrenar asistentes virtuales y vehículos autónomos con IA, antes de centrarse en la robótica el año pasado.

Desde que empezó a contratar a profesionales para recopilar datos humanos, ha descubierto que solo alrededor de la mitad del material enviado es utilizable.

Aun así, con el 90 % de sus clientes radicados en Estados Unidos, y su suposición de que los consumidores estadounidenses tienen el poder adquisitivo para adoptar robots humanoides rápidamente, algunos están dispuestos a pagar más por datos de hogares de Estados Unidos, aunque el salario por hora puede ser hasta el triple del de un trabajador en Vietnam o India.

“La cocina de India es muy diferente de la cocina de EE.UU. Un palo de escoba en India es muy diferente de un palo de escoba en Estados Unidos. Así que la variedad es importante, pero depende de dónde vayas a ubicar tus robots primero”, dijo Rajalingam. “Esa es la razón por la que estamos recopilando en todo el mundo”.

Durante décadas, los robots se han entrenado principalmente para realizar tareas mediante controles remotos humanos. Pero esto requiere un hardware costoso. Más recientemente, una opción más económica ha sido usar software para simular escenarios virtuales, aunque generalmente es menos eficaz para interacciones con objetos físicos, como levantar un vaso.

“Con los datos, siempre hay que encontrar un equilibrio entre calidad y cantidad”, dijo Alicia Veneziani, vicepresidenta de expansión de mercado de Sharpa, una startup de androides con sede en Singapur especializada en manos robóticas.

China, que está invirtiendo fuertemente en industrias de alta tecnología, anunció planes para al menos 60 centros de capacitación en todo el país. La mayoría de los robots humanoides producidos en masa en China hasta ahora se han comprado para entrenamiento e investigación, según Marco Wang, un analista de Interact Analysis, una firma de investigación tecnológica con sede en Shanghái.

Pero para finales del año pasado, la industria empezó a adoptar el uso de datos humanos como una solución intermedia, ya que los únicos costos son un dispositivo de grabación como una GoPro, gafas Meta o un teléfono inteligente, y salarios por hora de entre US$ 5 y US$ 20 dependiendo de la región.

“La idea es: no quiero que el robot haga la tarea. Quiero que la hagan las personas”, dijo. “De esta manera, no es necesario pagar por los robots, solo por el equipo y el personal”.

Wang comentó que ha visto modelos de negocio en Japón y Corea del Sur similares a los centros de recopilación de datos en China, pero con bases en el sudeste asiático para aprovechar la mano de obra más barata. Tesla ha estado entrenando a su robot humanoide Optimus en sus propias instalaciones en Fremont, California, y planea expandirse a Austin, Texas. Wang dijo que Estados Unidos y Europa tienden a favorecer el entrenamiento por simulación, impulsado por Nvidia, que diseña los chips informáticos más avanzados del mundo.

Sin embargo, en un informe de febrero, Nvidia indicó que incorporar más de 20.000 horas de videos en primera persona al entrenamiento de robots mejoró la tasa de éxito de tareas como doblar camisetas, clasificar cartas, desenroscar tapas de botellas y usar una jeringa, en más de un 50 %.

“Si dependes de solo una forma de recopilación de datos, probablemente no sea el mejor enfoque”, dijo Wang, quien espera que las empresas combinen cada vez más estrategias.
“En el futuro, será una mezcla de diferentes enfoques”.

El punto de inflexión para los robots autónomos llegó hace tres años, cuando los grandes modelos de lenguaje que permitieron ChatGPT dieron lugar a un nuevo algoritmo que traduce señales visuales en acción física, explicó Puneet Jindal, cofundador de la empresa de anotación de datos Labellerr AI. Robots que antes estaban programados para tareas repetitivas podían empezar a percibir y navegar el mundo a su alrededor.

Su empresa empezó a recopilar este año sus propios videos en primera persona de trabajadores en plantas de fabricación en India. Durante los próximos tres años, dijo Jindal, priorizar los datos humanos es “una obviedad”. Pero ese auge puede no durar. Pronto ese contenido podría mejorar el entrenamiento por simulación, o si la IA puede convertir videos de YouTube encontrados en línea en primera persona, eso podría convertirse en un sustituto, dijo.

“Incluso los laboratorios de robótica sienten que no saben qué datos se necesitarán dentro de 12 meses”, dijo.

Parte de la razón por la que los robots de uso general necesitan tanto entrenamiento es por la extrema imprevisibilidad en los entornos domésticos, ya que los muebles, los electrodomésticos y los humanos se mueven constantemente, indicó Rutav Shah, investigador de robótica en la Universidad de Texas en Austin.

“Lo que realmente falta es una intuición, similar a la humana, de las fuerzas, la fricción y la incertidumbre que las personas adquieren en su vida”, dijo Shah. “Hacer que los robots sean, en general, útiles para las tareas domésticas cotidianas como cocinar, limpiar, ese será el último paso de la automatización”.

Hasta ahora, los robots humanoides se han desplegado principalmente en entornos controlados como fábricas, donde pueden completar sus tareas el 99,9 % de las veces, dijo Alexander Verl, presidente de investigación de la Federación Internacional de Robótica. Incluso al doblar camisetas, la tasa de éxito actual sigue siendo demasiado baja para ser comercialmente viable, dijo.

“La probabilidad de éxito suele rondar el 70 % o el 80 %. En el sector manufacturero, esto no es algo que nuestros socios industriales quieran utilizar”, declaró Verl.

Rajalingam, de Objectways, también subrayó los riesgos de seguridad: si un robot está limpiando una sala de juegos, pero no puede distinguir entre una muñeca y un bebé humano, los resultados podrían ser desastrosos.

“Si el robot toma a mi bebé y lo mete en un contenedor, me espera una demanda millonaria”, advirtió.

Las pruebas con bebés aún están lejos de ser una realidad, señaló Rajalingam. Sin embargo, agregó que ya han comenzado con perros.

The-CNN-Wire
™ & © 2026 Cable News Network, Inc., a Warner Bros. Discovery Company. All rights reserved.