Especificaciones técnicas del conjunto de datos HiPHI

Noitom Robotics ha desarrollado HiPHI como respuesta a las limitaciones actuales en el entrenamiento de la inteligencia artificial aplicada a la robótica física. Este conjunto de datos comprende un total de 617,5 horas de movimiento humano de cuerpo completo, capturadas mediante sistemas ópticos de alta precisión que alcanzan una resolución submilimétrica. La escala de este conjunto de datos permite que los modelos de aprendizaje automático dispongan de una base de datos mucho más robusta que la ofrecida por los registros de laboratorio convencionales.

Dentro de este volumen de información, se han destinado 245,7 horas específicamente a la interacción entre humanos y objetos. Para que estos datos sean útiles en el entrenamiento de robots, el sistema no solo registra el movimiento del cuerpo, sino que integra trayectorias de objetos sincronizadas y mallas geométricas. Esta estructura permite que la IA comprenda la relación espacial y física entre el actuador robótico y el elemento externo con el que interactúa, facilitando la ejecución de tareas cotidianas.

La metodología de recolección de datos se ha apoyado en FrameNet, un marco lingüístico diseñado para categorizar las acciones humanas. El uso de FrameNet ha permitido que la captura de movimiento no sea aleatoria, sino sistemática, asegurando que se cubra una gama amplia y diversa de movimientos corporales completos. Al organizar la recolección bajo criterios lingüísticos de acción, el conjunto de datos garantiza que el robot aprenda conceptos operativos claros y aplicables a situaciones reales.

Superación de las limitaciones en la IA física

El desarrollo de HiPHI aborda un problema crítico en la denominada IA física (Physical AI). Hasta ahora, los investigadores dependían principalmente de dos fuentes de datos: los vídeos de internet y los sistemas de captura de movimiento de laboratorio. Aunque los vídeos ofrecen una diversidad inmensa de comportamientos humanos, carecen de la precisión técnica necesaria para definir estados físicos exactos, lo que impide que un robot pueda replicar el movimiento con exactitud milimétrica.

Por otro lado, los sistemas de captura de movimiento tradicionales, aunque precisos, solían limitarse a un espectro muy estrecho de acciones. Esto generaba un cuello de botella en el aprendizaje de los robots humanoides, que eran capaces de realizar una tarea específica en un entorno controlado, pero fallaban al enfrentarse a la variabilidad del mundo real. HiPHI combina la precisión del laboratorio con una escala y diversidad de acciones que reducen esta brecha de datos.

La capacidad de capturar movimientos con precisión submilimétrica es fundamental para el control del equilibrio y la coordinación motriz fina. En la robótica humanoide, un error de pocos milímetros en la posición de un pie o de una mano puede provocar la caída del sistema o el fallo en la manipulación de un objeto. Al proporcionar datos exactos sobre cómo un humano distribuye su peso y mueve sus articulaciones, HiPHI permite que las políticas de control sean mucho más estables.

Entrenamiento y transferencia sim-to-real

El proceso de implementación de HiPHI se basa en el uso del aprendizaje por refuerzo (reinforcement learning). Mediante esta técnica, las políticas de control del robot se entrenan inicialmente en entornos simulados utilizando los datos del conjunto de datos. El objetivo es que el agente robótico optimice sus movimientos para alcanzar una meta específica, basándose en los patrones de movimiento humano real registrados en HiPHI.

Uno de los mayores desafíos en robótica es la transferencia sim-to-real, que es el proceso de trasladar el comportamiento aprendido en un simulador digital a un robot físico. A menudo, las diferencias entre la física simulada y la física real provocan que el robot no se comporte como se esperaba. HiPHI mitiga este problema al proporcionar datos de alta fidelidad que reflejan la mecánica humana real, facilitando que la transición al hardware sea más fluida y requiera menos ajustes manuales.

Para validar la eficacia de este método, los desarrolladores han desplegado las políticas entrenadas en un robot humanoide físico, concretamente el modelo Unitree G1. Los resultados indican que las capacidades del robot mejoran a medida que aumenta la escala de los datos de entrenamiento, demostrando que la cantidad y calidad de la información capturada en HiPHI impactan directamente en la destreza del hardware.

Aplicaciones en la manipulación de objetos

La integración de trayectorias de objetos y mallas sincronizadas en HiPHI permite que los robots aprendan tareas complejas de manipulación. El conjunto de datos se enfoca en acciones fundamentales como transportar, empujar y tirar, que son la base de cualquier interacción útil en un entorno doméstico o industrial. Al analizar cómo un humano ajusta su centro de gravedad y la fuerza aplicada al mover un objeto, la IA puede derivar reglas físicas aplicables al cuerpo del robot.

Este enfoque es esencial para que los robots humanoides puedan operar en entornos no estructurados, donde los objetos no están siempre en la misma posición ni tienen el mismo peso. El aprendizaje basado en el movimiento humano real permite que el robot desarrolle una capacidad de adaptación orgánica, en lugar de depender de programaciones rígidas de trayectoria que solo funcionan en condiciones ideales.

Además, el punto de referencia introducido junto con el conjunto de datos permite medir la diversidad del movimiento y el anclaje de la interacción. Esto significa que los ingenieros pueden evaluar cuantitativamente si el robot ha aprendido una acción de manera generalista o si simplemente ha memorizado un patrón específico. Esta medición es crucial para garantizar que el robot sea capaz de generalizar sus conocimientos a objetos que no estaban presentes en el conjunto de entrenamiento original.

Impacto en el ecosistema de la robótica humanoide

La publicación de HiPHI a través de Noitom Robotics y su colaboración con entidades como IEEE Spectrum y Wiley busca democratizar el acceso a datos de alta calidad para la comunidad de investigación. La creación de ModalityNet, el sustrato de datos centrado en el humano desarrollado por Noitom, pretende convertir el mundo físico en algo aprendible para la IA encarnada (embodied AI).

Para los desarrolladores de hardware, esto significa que ya no es estrictamente necesario disponer de costosos sistemas de captura de movimiento propios para entrenar sus modelos. La disponibilidad de un punto de referencia a gran escala permite acelerar el ciclo de desarrollo de nuevos robots humanoides, reduciendo el tiempo entre el diseño del modelo y su despliegue funcional en el mundo real.

La convergencia entre el aprendizaje por refuerzo, la captura de movimiento de alta precisión y la transferencia sim-to-real marca un cambio de paradigma. Se pasa de una robótica basada en la ingeniería de control manual a una robótica basada en el aprendizaje de datos, donde el comportamiento del robot es un reflejo optimizado de la biomecánica humana, permitiendo una interacción más natural y eficiente con el entorno físico.