Por Canuto  

Antioch, una startup con sede en Nueva York, quiere resolver uno de los mayores cuellos de botella de la robótica moderna: entrenar máquinas en entornos virtuales que se comporten como el mundo real. La empresa acaba de asegurar una ronda semilla de USD $8,5 millones y apuesta por convertirse en una pieza clave para la nueva generación de sistemas autónomos.
***

  • Antioch recaudó USD $8,5 millones en una ronda semilla que valora a la empresa en USD $60 millones.
  • La startup desarrolla herramientas de simulación para reducir la brecha entre entornos virtuales y despliegues reales de robots.
  • Su enfoque apunta a vehículos autónomos, drones, maquinaria industrial y sistemas de percepción para IA física.

 

La promesa de la llamada IA física es ambiciosa: permitir que los ingenieros programen agentes del mundo real con una fluidez parecida a la que hoy existe para agentes digitales. Sin embargo, la robótica todavía enfrenta un problema estructural. Faltan datos de espacios físicos, y obtenerlos suele ser costoso, lento y difícil de escalar.

En ese contexto aparece Antioch, una startup basada en Nueva York que desarrolla herramientas de simulación para equipos de robótica. Su meta es cerrar la llamada brecha sim-to-real, un término habitual en la industria que describe la dificultad de entrenar robots en entornos virtuales y luego lograr que operen de forma confiable en el mundo físico.

La compañía anunció una ronda semilla por USD $8,5 millones, con una valuación de USD $60 millones. La inversión fue liderada por A* y Category Ventures, con participación adicional de MaC Venture Capital, Abstract, Box Group e Icehouse Ventures.

La necesidad que Antioch intenta resolver se volvió central para muchas empresas de autonomía. A medida que el sector presiona por sistemas más capaces y seguros, la simulación empieza a verse menos como una herramienta opcional y más como una capa crítica de infraestructura.

Una apuesta por reducir la brecha entre simulación y realidad

Harry Mellsop, CEO y cofundador de Antioch, explicó a TechCrunch que el reto consiste en hacer que la simulación se sienta igual que el mundo real desde la perspectiva del sistema autónomo. Ese punto es crucial, porque un robot puede comportarse bien en un entorno virtual y fallar cuando enfrenta fricciones, variaciones o datos sensoriales distintos fuera del laboratorio.

Hoy muchas empresas deben construir almacenes simulados para probar sus sistemas o recurrir a procesos intensivos de observación de líneas de fábrica y trabajadores temporales para entrenar modelos de aprendizaje profundo. La simulación busca ofrecer una alternativa más escalable, mediante réplicas virtuales detalladas de entornos reales.

Antioch propone una plataforma que permita a los fabricantes de robots lanzar múltiples instancias digitales de su hardware. Luego pueden conectarlas a sensores simulados que imitan los datos que recibiría el software del robot en operaciones reales.

Según la empresa, esos entornos sirven para probar casos límite, ejecutar procesos de aprendizaje por refuerzo y generar nuevos datos de entrenamiento. El valor de ese enfoque depende de una condición exigente: que la fidelidad física de la simulación sea suficientemente alta para que lo aprendido no se rompa al pasar al mundo tangible.

Mellsop fundó la empresa en mayo del año pasado junto a otros cuatro cofundadores. Dos de ellos, Alex Langshur y Michael Calvey, ya habían trabajado con él en Transpose, una startup de seguridad e inteligencia que luego fue vendida a Chainalysis por un monto no revelado. Los otros dos fundadores, Collin Schlager y Colton Swingle, pasaron antes por Google DeepMind y Meta Reality Labs, respectivamente.

El mercado de la autonomía necesita herramientas listas para usar

Una de las tesis de Antioch es que muchas empresas más pequeñas no tienen capital suficiente para construir toda su infraestructura desde cero. Eso incluye tanto arenas físicas de prueba como programas extensivos de recolección de datos, por ejemplo conducir vehículos con sensores durante millones de millas.

En vehículos autónomos, uno de los referentes del sector es Waymo. La compañía utiliza el modelo del mundo de Google DeepMind para probar y evaluar su sistema de conducción. En teoría, ese enfoque puede reducir la necesidad de recopilar datos en nuevas geografías, un costo clave al escalar la tecnología.

Antioch quiere ofrecer una alternativa para compañías que no disponen de ese nivel de recursos. Su propuesta es construir la plataforma que resuelva ese problema operativo para startups y otros actores que buscan acelerar despliegues sin replicar la inversión de los líderes del sector.

Mellsop sostuvo que gran parte de la industria ni siquiera usa simulación de forma amplia. A su juicio, recién ahora se está entendiendo con claridad que hace falta avanzar más rápido en esa dirección.

Los ejecutivos de la startup comparan su producto con Cursor, la popular herramienta de desarrollo de software impulsada por IA. La analogía apunta a una plataforma que simplifique tareas complejas para desarrolladores, pero aplicada al diseño, prueba y entrenamiento de sistemas autónomos físicos.

La empresa parte de modelos construidos por Nvidia, World Labs y otros actores, y sobre ellos desarrolla bibliotecas específicas por dominio para facilitar su uso. Antioch argumenta que trabajar con varios clientes le aporta una profundidad de contexto que una sola empresa de IA física no podría alcanzar por sí misma al refinar estas simulaciones.

De vehículos y drones a maquinaria industrial

Por ahora, el enfoque principal de Antioch está en sistemas de sensores y percepción. Esa necesidad concentra buena parte de la demanda en vehículos y camiones automatizados, maquinaria agrícola, equipos de construcción y drones aéreos.

Las aspiraciones de crear robots generalistas capaces de replicar tareas humanas siguen más lejos. Aun así, la infraestructura para percepción y simulación que hoy se construye podría convertirse en la base sobre la que evolucionen esas futuras plataformas.

Un punto llamativo es que, aunque el discurso comercial de Antioch apunta a startups, varios de sus primeros acercamientos han sido con grandes multinacionales que ya invierten con fuerza en robótica. Eso sugiere que el dolor que intenta resolver no se limita a empresas pequeñas.

Çağla Kaymaz, socia de Category Ventures, dijo a TechCrunch que lo que ocurrió con la ingeniería de software y los grandes modelos de lenguaje apenas está empezando a ocurrir con la IA física. A su juicio, el atractivo de las herramientas para desarrolladores sigue presente, pero los riesgos cambian cuando el software deja el entorno digital y pasa a controlar sistemas que interactúan con el mundo real.

Esa diferencia no es menor. En software tradicional, una mala herramienta puede generar errores contenidos dentro de una pantalla o una aplicación. En robótica y autonomía, un fallo puede afectar seguridad, precisión operativa o integridad física de personas y máquinas.

Inversores y primeros usos académicos

Entre quienes respaldan a Antioch como inversionista ángel está Adrian Macneil, exejecutivo de Cruise. Allí construyó la infraestructura de datos de la empresa y luego, en 2021, fundó Foxglove, enfocada en ofrecer canalizaciones de datos a startups de IA física.

Macneil afirmó durante la conferencia Ride.AI en San Francisco que la simulación es realmente importante cuando se intenta construir un caso de seguridad o se trabaja con tareas de muy alta precisión. También subrayó que no es posible conducir suficientes millas en el mundo real para cubrir todas las necesidades de validación.

Desde su perspectiva, el sector necesita el surgimiento de herramientas comparables a las que impulsaron la revolución SaaS, como GitHub, Stripe y Twilio. En otras palabras, plataformas listas para usar que permitan a más compañías enfocarse en su producto sin tener que crear toda la cadena de herramientas desde cero.

Mellsop fue más allá al afirmar que todos en su entorno creen genuinamente que cualquiera que construya un sistema autónomo para el mundo real lo hará principalmente en software dentro de dos o tres años. Según dijo, esta etapa abre por primera vez la posibilidad de que agentes autónomos iteran sobre sistemas de autonomía física y cierren realmente el bucle de retroalimentación.

Esa visión ya tiene experimentos concretos. David Mayo, investigador del Laboratorio de Ciencias de la Computación e Inteligencia Artificial del MIT, usa la plataforma de Antioch para evaluar modelos de lenguaje. En uno de sus experimentos, hace que sistemas de IA diseñen robots y luego utiliza el simulador para probarlos.

Incluso puede enfrentar esos modelos entre sí en competiciones simuladas, como empujar a un robot rival fuera de una plataforma. Dar a los modelos un entorno de pruebas más realista podría abrir un nuevo paradigma para compararlos y evaluarlos en tareas con componentes físicos.

La infraestructura que podría definir la próxima ola de IA

En el fondo, la apuesta de Antioch gira alrededor de una idea sencilla, pero potente. Si la simulación puede acercarse lo suficiente a la realidad, los desarrolladores podrán generar mejores datos, iterar más rápido y construir el llamado volante de datos que ha ayudado a líderes de categoría como Waymo.

Ese volante implica que cada nueva versión del sistema se beneficia de más pruebas, mejores casos límite y una confianza creciente en que el modelo del próximo mes será más capaz que el anterior. Para empresas que compiten en autonomía, esa dinámica puede marcar la diferencia entre avanzar o quedarse atrás.

La gran pregunta es si esa brecha entre los modelos digitales y el mundo real puede cerrarse lo suficiente como para volver la simulación el centro del desarrollo. Antioch cree que sí, y acaba de sumar capital para intentarlo en un mercado donde la necesidad es evidente y el margen de error sigue siendo muy alto.

Si esa tesis se confirma, la startup no solo habrá construido un producto para ingenieros de robótica. También podría convertirse en una pieza de infraestructura para la siguiente fase de la IA, una donde los modelos ya no se limitan a escribir texto o código, sino que empiezan a actuar con consecuencias directas sobre el mundo físico.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público

Este artículo fue escrito por un redactor de contenido de IA

 


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados