Cómo WUWENAI busca escalar la IA encarnada con un ciclo Real-to-Sim-to-Real

La tesis de WUWENAI es clara: la IA encarnada —sistemas capaces de percibir el mundo físico y actuar en él— no podrá escalar limitándose a recopilar demostraciones. Su propuesta de ciclo Real-to-Sim-to-Real utiliza datos de interacción reales para fundamentar un modelo generativo del mundo, convierte ese modelo en un simulador controlable capaz de crear y probar experiencias alternativas, y devuelve los fallos y casos extremos seleccionados al entorno físico. Así, la producción de datos, el entrenamiento de políticas, la evaluación y la mejora pasarían a formar parte de un mismo sistema. WUWENAI presenta a su fundador y CEO, Liu Shengxiang, antiguo responsable de datos y pruebas de conducción autónoma de Baidu, como impulsor de esta estrategia de infraestructura. 8

Las tres piezas del sistema

• Data Factory: anclar el aprendizaje en la realidad. Equipos multimodales recopilan de forma sincronizada observaciones y acciones durante interacciones reales entre robots y objetos: estado visual, movimiento, contacto y resultado de la tarea. El objetivo es conservar la causalidad física que suele faltar en los vídeos comunes de internet y en las escenas sintéticas, y generar datos útiles para controlar robots, no solo imágenes visualmente convincentes. WUWENAI también ha presentado Wuyin, su plataforma de datos para IA física, con una cifra declarada de más de 1.000 TB de datos y 10.000 horas de conjuntos de datos abiertos de alta calidad. 12

• Generative World Model: multiplicar la experiencia. El modelo del mundo aprende cómo evolucionan las escenas cuando un agente encarnado ejecuta acciones. A partir de los datos reales puede sintetizar variantes de tareas, trayectorias, perturbaciones, configuraciones de objetos y situaciones de fallo condicionadas por la experiencia física. En términos generales, un modelo del mundo busca representar de forma compacta una escena y su evolución temporal. 5

• World Simulator: entrenar, evaluar y seleccionar. Las políticas robóticas pueden probarse a una velocidad mucho mayor y con un coste inferior al de ejecutarlas continuamente sobre hardware real. El simulador puede puntuar resultados, detectar los casos en los que una política es débil y decidir qué situaciones justifican una nueva recopilación de datos en el mundo físico. La investigación sobre simuladores interactivos condicionados por acciones indica que sus evaluaciones internas pueden correlacionarse con el rendimiento real, aunque se trata de un problema de investigación abierto, no de una capacidad ya resuelta. 3

¿De dónde saldrían “millones de horas” de datos?

La afirmación central de Liu no implica que WUWENAI vaya a grabar físicamente millones de horas de actividad robótica. La idea es que un conjunto comparativamente escaso de interacciones físicas, pero bien fundamentadas, funcione como corpus semilla. El modelo podría usarlo para generar numerosas trayectorias de entrenamiento controlables.

El circuito físico corregiría continuamente el simulador y ayudaría a limitar su desviación respecto de la realidad; el circuito virtual aportaría la escala. Este patrón de retroalimentación entre datos reales y sintéticos coincide con trabajos recientes sobre aprendizaje por refuerzo en robots reales mediante ciclos cerrados. 4

Por qué las alternativas tradicionales no bastan

• Teleoperación. Proporciona demostraciones etiquetadas con acciones, pero es cara, lenta y depende del operador. Además, suele concentrarse en comportamientos exitosos y no cubre de forma eficiente fallos poco frecuentes ni situaciones hipotéticas.

• Vídeo humano en primera persona. Ofrece grandes volúmenes de información, pero normalmente carece de acciones ejecutadas por un robot, geometría calibrada, señales de fuerza y contacto, y correspondencia directa con el cuerpo y los sensores de una máquina. Por eso, su valor como supervisión para el control de manipulación es limitado.

• Simulación pura. Es barata y permite explorar una gran diversidad de escenarios, pero puede incorporar errores en la geometría, la dinámica del contacto, el ruido de los sensores, el comportamiento de los objetos o la representación de los entornos humanos: el conocido desfase entre simulación y realidad o sim-to-real gap. La alineación dinámica de un gemelo digital con observaciones reales pretende reducir ese problema. 2

Del aprendizaje por imitación al aprendizaje por refuerzo

Las demostraciones sirven para iniciar el aprendizaje por imitación: “haz lo que hizo el demostrador”. Pero un simulador suficientemente fiable y condicionado por acciones permitiría a una política probar alternativas, recibir recompensas por el resultado de la tarea, optimizar comportamientos de mayor duración y aprender a recuperarse de los errores. Ese es el salto hacia el aprendizaje por refuerzo.

Investigaciones recientes ya han demostrado el ajuste mediante aprendizaje por refuerzo de políticas de visión-lenguaje-acción utilizando modelos del mundo. Aun así, la calidad de las recompensas y la fidelidad del modelo siguen siendo las principales limitaciones. 1

Una carrera que converge en la misma arquitectura

La competencia relevante no parece ser una simple carrera de funciones, sino una convergencia hacia una arquitectura parecida. World Labs describe SceniX como un motor R2S2R capaz de convertir una tarea física en numerosos mundos simulados controlables y reutilizables para entrenar y probar políticas. 7 La investigación de DeepMind sobre modelos del mundo también ha relacionado desde hace tiempo los modelos de dinámica aprendida con un aprendizaje por refuerzo escalable. 3

Tesla cuenta con ventajas importantes en iteración de hardware, fabricación y su ecosistema más amplio de datos y computación gracias a Optimus y a sus operaciones en automoción. Sin embargo, la evidencia pública disponible no permite afirmar que WUWENAI esté técnicamente por delante de Tesla o DeepMind.

Por qué el mercado chino puede ser relevante

China cuenta con la mayor base instalada de robots industriales del mundo y está ampliando su actividad en robótica humanoide mientras localiza parte de su cadena de suministro. 6 Los comentarios oficiales también describen una transición de la IA encarnada desde pruebas en lotes pequeños hacia un despliegue más amplio. 9

Ese contexto ofrece una base potencialmente extensa de fábricas, robots, tareas y entornos de uso. Para una empresa de infraestructura de datos, podría significar más oportunidades para recopilar datos de referencia física y ofrecer herramientas compartidas a distintos fabricantes de robots.

La prueba decisiva aún está pendiente

El matiz clave es que la etiqueta de WUWENAI como empresa “de clase mundial” y cualquier afirmación de que lleva meses de ventaja son declaraciones de la compañía o de medios, no resultados validados de manera independiente.

La prueba real será otra: si su simulador puede predecir con suficiente precisión resultados de contacto complejo y tareas de larga duración, y si las políticas entrenadas en él se transfieren de forma consistente a distintos robots, objetos y entornos reales. Hasta que eso se demuestre con evaluaciones comparables, el ciclo Real-to-Sim-to-Real debe entenderse como una apuesta prometedora de infraestructura, no como una ventaja tecnológica ya confirmada.