Por Canuto  

Perceptron presentó Isaac 0.5, un modelo de visión artificial con pesos abiertos que busca ayudar a robots industriales a interpretar entornos, planificar tareas y actuar en almacenes y fábricas. La empresa fue fundada por Armen Aghajanyan y Akshat Shrivastava.

***

  • Isaac 0.5 combina percepción, razonamiento y acción para robots que operan en entornos industriales complejos.
  • Perceptron afirma que entrenó el modelo con un millón de horas de video general y conjuntos de datos internos a escala de petabytes.
  • La startup ha sido vinculada con Bessemer Venture Partners; las fuentes disponibles no confirman la cifra de USD $21 millones mencionada en el borrador.

 

La inteligencia artificial (IA) comienza a abandonar su refugio habitual en pantallas, centros de datos y aplicaciones digitales para entrar en espacios donde debe interpretar objetos, distancias y movimientos.

Perceptron, una startup fundada por los ex científicos de Meta, Armen Aghajanyan y Akshat Shrivastava, presentó Isaac 0.5 como un modelo de visión diseñado para que las máquinas puedan percibir, razonar y actuar en entornos industriales.

El software busca asistir a robots guiados por visión que trabajan en almacenes y plantas fabriles, donde una tarea aparentemente sencilla puede exigir varias decisiones encadenadas. Además de orientar los movimientos de las máquinas, Isaac 0.5 pretende ayudar a las empresas a extraer inteligencia visual de los videos registrados por esos robots, una capacidad que podría ampliar el uso de los datos operativos.

Una IA para tareas que cambian

Armen Aghajanyan y Akshat Shrivastava, cofundadores de Perceptron, sostienen que Isaac 0.5 se diferencia de muchas soluciones existentes porque aspira a funcionar como un modelo de propósito general. En lugar de quedar limitado a una tarea repetitiva y previamente definida, el sistema estaría concebido para adaptarse al entorno o la situación en la que se despliega.

La empresa describió el panorama actual de la IA física como una elección poco satisfactoria entre modelos fundacionales generalistas, que requerirían varias GPU dedicadas en la nube para cada instancia, y modelos estrechos capaces de resolver percepción o control, pero no ambas funciones. La propuesta de Perceptron intenta reunir esas capacidades en una misma capa de inteligencia para automatización industrial.

Shrivastava explicó que incluso organizar cajas implica una secuencia de operaciones que un robot debe comprender antes de mover un objeto. Primero tendría que leer la etiqueta, analizar la disposición espacial del área, decidir qué caja recoger y, si existen varias, planificar el orden más conveniente para completar el trabajo.

Isaac 0.5 pretende acompañar al robot durante cada una de esas etapas, desde la identificación visual hasta la planificación y la ejecución. La información disponible describe la propuesta como una herramienta para percepción y acción robótica, aunque no aporta métricas independientes que permitan comparar su desempeño con otras soluciones.

El entrenamiento detrás del modelo

Los modelos de visión destinados a operar en el mundo físico necesitan aprender de ejemplos que representen movimientos, espacios y situaciones reales. Perceptron afirma que alimentó Isaac 0.5 con un millón de horas de video general, material utilizado para enseñar al algoritmo a reconocer determinados escenarios, elementos visuales y contextos.

La startup también recurrió al llamado video egocéntrico, capturado desde la perspectiva de una persona que ejecuta una tarea física mediante una cámara portátil o una GoPro. Ese material permite asociar lo que observa el sistema con las acciones realizadas, una relación importante cuando el objetivo consiste en trasladar habilidades humanas a máquinas.

Otro componente mencionado por la compañía es el video UMI, utilizado para enseñar movimientos mediante grabaciones de acciones humanas repetitivas. La combinación de videos generales, perspectivas egocéntricas y registros de movimiento busca ofrecer al modelo una base más amplia que la de un sistema entrenado únicamente para reconocer imágenes estáticas.

Perceptron no reveló las fuentes concretas de sus datos de entrenamiento, pero Shrivastava dijo que la empresa construyó internamente conjuntos de datos a escala de petabytes. Según su descripción, esos repositorios abarcan imágenes, texto, video y trayectorias robóticas, con información procedente de distintas modalidades para conectar percepción y acción.

Pesos abiertos y expansión industrial

Isaac 0.5 se distribuye como un modelo de pesos abiertos, por lo que sus parámetros y materiales de entrenamiento pueden ser inspeccionados por terceros. Esa característica facilita el análisis externo del sistema y podría interesar a compañías o investigadores que necesiten evaluar cómo adaptar la tecnología a sus propios robots y entornos.

El acceso abierto a los pesos no elimina los desafíos prácticos de desplegar IA en una fábrica, donde los errores pueden afectar mercancías, tiempos de producción y seguridad. Aun así, permite que integradores y desarrolladores examinen la base tecnológica en lugar de depender exclusivamente de una solución cerrada, aunque no se detallan aquí las condiciones completas de uso.

La oportunidad comercial que identifica Perceptron se extiende más allá de un tipo específico de almacén o brazo robótico. La empresa busca ofrecer su software a distintos proveedores para que la capa de inteligencia visual pueda integrarse en industrias como manufactura, logística, seguridad, movilidad, medios y entretenimiento.

Las fuentes disponibles vinculan a Perceptron con Bessemer Venture Partners, pero no confirman de forma suficiente la ronda de USD $21 millones mencionada en el borrador. Por ello, esa cifra no puede presentarse como un dato verificado. La startup intenta convertir su tecnología en una plataforma de automatización con aplicaciones amplias, aunque su alcance comercial todavía debe evaluarse con información adicional.

La transición de la IA al mundo físico

El desarrollo de modelos capaces de interpretar entornos físicos introduce exigencias distintas a las de un asistente digital o un sistema de análisis de imágenes. Un robot industrial debe responder a objetos colocados de manera inesperada, espacios cambiantes y secuencias donde cada decisión altera las siguientes, por lo que la percepción necesita conectarse con planificación y control.

En ese contexto, la generalización se vuelve un objetivo central para los fabricantes que desean automatizar procesos sin programar desde cero cada variación. Perceptron sostiene que Isaac 0.5 puede ajustar su comportamiento según el entorno, pero la información disponible no ofrece resultados independientes, métricas comparativas ni ejemplos de despliegues comerciales que permitan medir esa promesa.

El uso de videos registrados por robots también abre una segunda línea de valor para las empresas. Además de actuar sobre el terreno, las máquinas podrían generar archivos visuales útiles para estudiar flujos de trabajo, detectar patrones y comprender cómo se desarrollan las operaciones, aunque no se especifica qué herramientas analíticas incluye el producto ni cómo aborda la privacidad.

Por ahora, Perceptron presenta Isaac 0.5 como una apuesta por llevar la inteligencia artificial desde el dominio digital hacia la automatización física. Sus fundadores esperan que una combinación de modelos generalistas, datos multimodales y pesos abiertos permita que los robots dejen de ejecutar únicamente instrucciones rígidas y respondan con mayor competencia a las condiciones reales de una fábrica.

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