«Actualmente, lo más valioso y rápido que podemos impulsar es la optimización de los movimientos de los robots. En unos seis meses, podremos generar movimientos arbitrarios», afirmó Wang Xingxing, fundador, presidente y director ejecutivo de Unitree Robotics, durante un diálogo con Roland Busch, director ejecutivo global de Siemens, en la conferencia Siemens RXD celebrada recientemente en Beijing.
Wang Xingxing explicó que, actualmente, cuando los robots de Unitree compiten en combate, sus movimientos son relativamente mecánicos y fijos, ya que están preprogramados. «Por ejemplo, recopilamos unos veinte movimientos, y el robot los utiliza para combinarlos y ejecutarlos arbitrariamente durante el combate. Sin embargo, los movimientos son relativamente fijos; se utiliza siempre el mismo método de golpeo, lo que carece de desafío y atractivo». Indicó que, en el proceso de optimización actual, se recopilarán varios cientos de movimientos para el entrenamiento de la IA. Tras el entrenamiento, estos movimientos podrán combinarse de forma libre y fluida. El robot puede realizar con flexibilidad diversos movimientos continuos, como golpear, cambiar de dirección y esquivar en todas direcciones, lo que mejora significativamente su agilidad. De esta forma, los robots emplearán diferentes movimientos de combate a diario, haciendo que la lucha entre ambos sea más variada y visualmente atractiva.
«Todos coincidirán en que si un robot solo puede realizar unas pocas acciones fijas, su nivel de inteligencia es muy bajo; pero si puede realizar cientos, miles, o incluso decenas de miles o cientos de millones de acciones diferentes, y combinarlas libremente y decidir sus movimientos de forma autónoma, entonces su nivel de inteligencia es muy alto, y esta es la clave fundamental», enfatizó Wang Xingxing. Subrayó que la riqueza de acciones determina directamente el nivel de inteligencia del robot.
Esto es crucial para que los robots humanoides se integren más rápidamente en aplicaciones industriales y de la vida cotidiana. «Creo firmemente que solo cuando los robots puedan realizar una amplia variedad de acciones, combinadas con tecnologías de IA como modelos de lenguaje avanzados, que permitan al sistema ejecutar estas acciones combinadas, podrán implementarse realmente para realizar tareas prácticas», afirmó.
Wang Xingxing, fundador de Unitree Robotics, conversó con Bernhard Schwarzman, CEO global de Siemens.
El evento presentó la aplicación de robots humanoides en entornos industriales: gracias a la plataforma de planificación inteligente SIMOVE Fleet Manager de Siemens, es posible lograr una planificación unificada y una gestión colaborativa de vehículos guiados automáticamente (AGV) y robots humanoides Unitree en el entorno de la fábrica. Esta solución explora capacidades clave como la planificación de rutas y la evitación de obstáculos, la comunicación y la colaboración una vez que el robot ingresa a la fábrica, lo que abre el camino para la implementación de la inteligencia incorporada en escenarios industriales.
Wang Xingxing afirmó que, si bien los problemas básicos de movimiento de los robots humanoides se han superado en gran medida, los desafíos técnicos relacionados con el agarre, la manipulación y, especialmente, la detección táctil, siguen sin resolverse. Este es un obstáculo clave que impide el despliegue a gran escala de robots humanoides en fábricas y hogares. Los robots no son incapaces de manipular objetos. Con objetos entrenados, y un entrenamiento adecuado, la tasa de éxito en el agarre puede alcanzar casi el 100%; sin embargo, si el objeto cambia ligeramente, la tasa de éxito disminuye drásticamente. Para resolver este problema, se necesitan grandes cantidades de datos de entrenamiento sobre diferentes objetos para subsanar las deficiencias, pero este entrenamiento con datos aún no se domina por completo.
Señaló que caminar, correr y diversos movimientos de artes marciales del robot humanoide Unitree se entrenan principalmente en un entorno puramente simulado. Sin embargo, para tareas prácticas, como que el robot agarre objetos y ensamble piezas, la tecnología de simulación a nivel mundial aún no está lo suficientemente madura, y la mayor parte del entrenamiento todavía se basa en datos recopilados de personas reales. No obstante, la recopilación de datos del mundo real presenta importantes desafíos.
El número de escenarios realistas que se pueden crear es limitado; es imposible replicar miles de escenarios en la realidad, y los costos de creación y recopilación de datos son prohibitivos. «Creo que vale la pena explorar ambas vías técnicas (simulación y entrenamiento en escenarios reales). Actualmente, la industria no ha alcanzado una solución óptima unificada. La tecnología de simulación háptica también es crucial, ya que puede simular con mayor precisión el proceso de agarre de objetos y es un área central de la investigación actual», declaró Xiao Song, presidente y director ejecutivo de Siemens Gran China, a The Paper. Añadió que, si bien los robots humanoides que realizan tareas sencillas en fábricas (como manipulación, apriete de tornillos y pulido) podrían estar disponibles en uno o dos años, lograr una alta fiabilidad, una profunda integración en los sistemas de producción centrales y realizar trabajos complejos y precisos aún requiere de 5 a 10 años de acumulación tecnológica y desarrollo de ecosistemas. «Esto exige que su rendimiento técnico cumpla con los estrictos requisitos de grado industrial: una tasa de éxito cercana al 100%, una precisión y eficiencia que superen con creces los niveles actuales, y una seguridad y fiabilidad absolutas. Al mismo tiempo, debe ser capaz de adaptarse a diversos escenarios industriales, no solo resolver unos pocos problemas preestablecidos. Esto depende de la madurez de los datos de entrenamiento, los entornos de simulación e incluso de todo el ecosistema», explicó a The Paper.
