Por Canuto  

DataraAI desarrolla una tecnología robótica para conectar cables y componentes en servidores y racks de IA, una labor que sigue dependiendo en gran medida del trabajo manual. Su propuesta combina sensores y datos de operaciones reales para calibrar simulaciones antes de trasladar las tareas al entorno de fabricación.
***

  • La empresa busca automatizar el enrutamiento de cables, la inserción de conectores y la manipulación de mazos, tareas difíciles para robots porque los cables se deforman y las conexiones no siempre se verifican a simple vista.
  • DataraAI calibra sus simulaciones con visión RGB-D, mediciones de fuerza y par, sensibilidad táctil y datos de movimiento obtenidos de operaciones reales.
  • La compañía se incorporó a Arm Total Design for Physical AI y colabora con Arm en un marco para describir y comparar capacidades robóticas.

DataraAI quiere llevar robots al cableado de servidores y racks de IA

Una tarea manual que puede frenar la producción

DataraAI desarrolla un sistema robótico para automatizar el cableado y la conexión de componentes durante el ensamblaje de servidores y racks de inteligencia artificial. La iniciativa apunta a una labor que, según la empresa, todavía se realiza en gran medida de forma manual, incluso mientras otras etapas de la fabricación ya incorporan automatización industrial.

El reto no consiste únicamente en mover un brazo robótico hasta un punto determinado, porque los cables se doblan y cambian de forma al manipularlos. También hay que enrutar cada línea, asentar los conectores y manejar mazos de cables, mientras se comprueba que cada conexión quedó correctamente colocada.

DataraAI sostiene que esta labor puede convertirse en un cuello de botella para fabricar servidores y racks, donde miles de conexiones podrían requerir enrutamiento y terminación manual. La empresa no presenta esa cifra como una medida de una única instalación, sino como una descripción del volumen de conexiones que puede exigir el ensamblaje de estos sistemas.

La diferencia entre cablear un equipo y automatizar esa operación ayuda a explicar la dificultad: un conector rígido conserva una posición más predecible que un cable flexible. En este último caso, el robot debe interpretar tanto la ubicación de la pieza como la respuesta física que encuentra al moverla, y una inspección visual por sí sola puede no confirmar que el conector quedó asentado.

Datos del mundo real para calibrar la simulación

Para abordar esa variabilidad, DataraAI combina manipulación robótica con simulaciones calibradas a partir de datos recopilados durante operaciones reales de fabricación. La compañía emplea visión RGB-D, que aporta información visual y de profundidad, además de mediciones de fuerza y par, sensibilidad táctil y datos de movimiento.

La propuesta invierte el orden de un enfoque que primero construye un entorno simulado y luego intenta trasladar a la fábrica la conducta aprendida por el robot. En cambio, DataraAI usa mediciones de tareas reales para ajustar la simulación, con el propósito de representar mejor las condiciones físicas a las que se enfrentará el sistema.

Ese desajuste entre lo que un robot consigue en un entorno simulado y lo que logra al operar con componentes y condiciones reales se conoce como brecha Sim2Real. En el cableado, la forma cambiante de los cables y las diferencias de contacto con los conectores vuelven especialmente importante que el comportamiento modelado no se aparte demasiado de la tarea física.

En una inserción, por ejemplo, la visión puede ayudar a determinar dónde están el cable y el conector, mientras que la información de fuerza y tacto puede indicar si la pieza llegó a su posición. DataraAI plantea el uso combinado de esas señales como una forma de abordar una tarea que no se resuelve solo con localizar visualmente los componentes.

La apuesta y la colaboración con Arm

Durgesh Srivastava, CEO y fundador de DataraAI, comparó la estrategia con la evolución de la conducción autónoma en la fabricación industrial. Según dijo, ese campo no alcanzó autonomía por simular más kilómetros, sino por recorrer kilómetros reales, construir simuladores con esos datos y ampliar el sistema a partir de allí; a su juicio, la fabricación debe seguir un orden similar.

Srivastava también señaló que la estación de cableado limita la producción de racks y que los fabricantes deben comprometer capital para automatizar una tarea que, según su descripción, ningún proveedor ha demostrado en su hardware. DataraAI propone calibrar primero la tecnología con el rack y los conectores del fabricante, y mostrar qué funciona antes de que este compre una solución.

La compañía se incorporó a Arm Total Design for Physical AI, un ecosistema que reúne empresas dedicadas a modelos de inteligencia artificial, software, sensores, silicio y herramientas de desarrollo para sistemas de IA física. DataraAI también trabaja con Arm en Robotics Capability Framework, una iniciativa que busca establecer una manera común de describir y comparar las capacidades de distintos sistemas robóticos.

Dermot O’Driscoll, vicepresidente de go-to-market de IA física en Arm, afirmó que llevar la IA física de la innovación a la producción exige sistemas capaces de funcionar de manera confiable ante la complejidad y variabilidad del mundo real. También destacó el aporte de DataraAI en precisión de simulación para ayudar a cerrar la brecha entre modelos y entornos físicos, y dijo que esa labor fortalece el ecosistema de Arm y puede acelerar el desarrollo de sistemas listos para producción.

Qué puede demostrar la propuesta

El planteamiento de DataraAI se concentra en una dificultad concreta del ensamblaje de servidores y racks de IA: manipular componentes deformables y verificar el contacto físico durante una tarea. Además del cableado, la empresa indica que se especializa en simulación y datos de entrenamiento para automatización de fabricación en trabajos que implican ese tipo de componentes y contacto.

La información difundida por Robotics & Automation News describe una tecnología en desarrollo y una estrategia de calibración, no una instalación ya desplegada a escala ni resultados cuantificados de productividad. La compañía tampoco detalla cuántos robots utilizaría una línea, cuánto tiempo tomaría completar una conexión o qué grado de precisión habría alcanzado en operaciones comerciales.

Por eso, la validación relevante será comprobar si el sistema puede resolver conexiones reales con las variaciones de cables, conectores y racks que aparecen en una operación de fabricación. La apuesta de DataraAI es que alimentar la simulación con mediciones del entorno concreto permita evaluar el desempeño antes de que el fabricante comprometa capital en la automatización.

La colaboración con Arm sitúa el proyecto dentro de un ecosistema dedicado a la IA física y suma un trabajo sobre criterios compartidos para describir capacidades robóticas. El desafío inmediato, sin embargo, sigue siendo demostrar que la combinación de sensores, datos reales y simulación puede convertir una labor manual difícil de verificar en un proceso confiable para la producción.

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 y revisado por un editor humano para garantizar calidad y precisión.


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