Cómo captura AperEgo los datos para entrenar robots

Una persona utiliza el equipo mientras realiza una tarea. El sistema de cámaras de AperEgo registra una vista panorámica en primera persona, es decir, el entorno tal como lo observa quien lleva puesto el dispositivo. Sus sensores sincronizan las señales visuales, de movimiento y de audio, mientras que los dispositivos de las muñecas y los dedos añaden información detallada sobre los movimientos del brazo, la mano y los dedos.

La idea es unir la percepción con la acción física. Una grabación puede mostrar no solo la escena que tiene delante una persona, sino también los movimientos y las interacciones manuales que acompañan la ejecución de una tarea. Este tipo de información resulta especialmente relevante para que los robots aprendan a realizar operaciones de manipulación con mayor precisión.

Qué hace AperOS con las grabaciones

AperOS recibe los datos multimodales capturados por AperEgo y descarta las grabaciones que considera inválidas antes de que se carguen y se sometan a un procesamiento posterior. 51World sostiene que este filtrado reduce las necesidades de almacenamiento y capacidad informática, al tiempo que deja un conjunto de datos más aprovechable para desarrollar modelos.

El flujo de trabajo propuesto es el siguiente:

1. Captura: AperEgo registra información visual, de movimiento y de audio en primera persona mientras alguien realiza una tarea.
2. Detalle de las manos: los dispositivos de las muñecas y los dedos registran los movimientos de alcanzar, agarrar y manipular objetos.
3. Sincronización: las distintas señales de los sensores se alinean para describir una misma acción en varias modalidades.
4. Filtrado: AperOS elimina los datos que la empresa considera inválidos antes de su carga y procesamiento posterior.
5. Preparación para el entrenamiento: el conjunto restante puede emplearse para desarrollar modelos de IA encarnada y mejorar los procesos de aprendizaje de los robots.

Qué mejoras de rendimiento afirma la empresa

Li Yi, director ejecutivo de 51World, afirma que la integración del hardware y el software puede elevar la precisión de los datos hasta el 99 %. Según su planteamiento, una mayor precisión permitiría que los robots aprendieran de manera más exacta y eficiente, con mejoras en la recopilación y el aprovechamiento de los datos, el entrenamiento de modelos y su capacidad de generalización.

Estas cifras deben entenderse como afirmaciones de 51World, no como resultados de una prueba comparativa validados de forma independiente. La información disponible describe las capacidades que declara la compañía, pero no aporta un protocolo de evaluación externo, un conjunto de datos de referencia ni una verificación independiente del 99 %. Unas demostraciones más limpias pueden favorecer el entrenamiento, pero el comportamiento final de un robot también depende del modelo, el hardware, la tarea, el entorno de operación y el método de evaluación.

Por qué la capa de datos es clave para los robots humanoides

Los robots humanoides deben coordinar percepción y movimiento en entornos físicos que cambian constantemente. Las demostraciones humanas de alta calidad podrían ayudar a los desarrolladores a enseñarles respuestas más fiables ante distintos objetos, espacios y tareas que requieren coordinación motora fina. Por eso, el enfoque de 51World se dirige a la cadena de datos que sustenta la IA encarnada, no a la construcción de un robot humanoide concreto.

El anuncio se produce en un momento de expansión de la robótica humanoide comercial en China. TrendForce estima que el mercado chino de robots humanoides alcanzará los 15.000 millones de yuanes (2.200 millones de dólares) en 2026 y mantendrá un crecimiento de al menos el 60 % en 2027, a medida que aumente la producción y se amplíen las aplicaciones en sectores como la automoción, la electrónica 3C —ordenadores, comunicaciones y electrónica de consumo—, la industria aeroespacial, la logística y la energía.

La previsión de mercado no demuestra que AperEgo o AperOS vayan a impulsar por sí solos ese crecimiento. Sí ayuda a explicar por qué las herramientas capaces de recopilar, filtrar y organizar datos del mundo físico están ganando importancia estratégica: a medida que los robots pasan de las demostraciones a los entornos reales, sus desarrolladores necesitan procesos de datos que generen ejemplos repetibles y utilizables a gran escala.

Cómo captura AperEgo los datos para entrenar robots

Una persona utiliza el equipo mientras realiza una tarea. El sistema de cámaras de AperEgo registra una vista panorámica en primera persona, es decir, el entorno tal como lo observa quien lleva puesto el dispositivo. Sus sensores sincronizan las señales visuales, de movimiento y de audio, mientras que los dispositivos de las muñecas y los dedos añaden información detallada sobre los movimientos del brazo, la mano y los dedos.

La idea es unir la percepción con la acción física. Una grabación puede mostrar no solo la escena que tiene delante una persona, sino también los movimientos y las interacciones manuales que acompañan la ejecución de una tarea. Este tipo de información resulta especialmente relevante para que los robots aprendan a realizar operaciones de manipulación con mayor precisión.

Qué hace AperOS con las grabaciones

AperOS recibe los datos multimodales capturados por AperEgo y descarta las grabaciones que considera inválidas antes de que se carguen y se sometan a un procesamiento posterior. 51World sostiene que este filtrado reduce las necesidades de almacenamiento y capacidad informática, al tiempo que deja un conjunto de datos más aprovechable para desarrollar modelos.

El flujo de trabajo propuesto es el siguiente:

1. Captura: AperEgo registra información visual, de movimiento y de audio en primera persona mientras alguien realiza una tarea.
2. Detalle de las manos: los dispositivos de las muñecas y los dedos registran los movimientos de alcanzar, agarrar y manipular objetos.
3. Sincronización: las distintas señales de los sensores se alinean para describir una misma acción en varias modalidades.
4. Filtrado: AperOS elimina los datos que la empresa considera inválidos antes de su carga y procesamiento posterior.
5. Preparación para el entrenamiento: el conjunto restante puede emplearse para desarrollar modelos de IA encarnada y mejorar los procesos de aprendizaje de los robots.

Qué mejoras de rendimiento afirma la empresa

Li Yi, director ejecutivo de 51World, afirma que la integración del hardware y el software puede elevar la precisión de los datos hasta el 99 %. Según su planteamiento, una mayor precisión permitiría que los robots aprendieran de manera más exacta y eficiente, con mejoras en la recopilación y el aprovechamiento de los datos, el entrenamiento de modelos y su capacidad de generalización.

Estas cifras deben entenderse como afirmaciones de 51World, no como resultados de una prueba comparativa validados de forma independiente. La información disponible describe las capacidades que declara la compañía, pero no aporta un protocolo de evaluación externo, un conjunto de datos de referencia ni una verificación independiente del 99 %. Unas demostraciones más limpias pueden favorecer el entrenamiento, pero el comportamiento final de un robot también depende del modelo, el hardware, la tarea, el entorno de operación y el método de evaluación.

Por qué la capa de datos es clave para los robots humanoides

Los robots humanoides deben coordinar percepción y movimiento en entornos físicos que cambian constantemente. Las demostraciones humanas de alta calidad podrían ayudar a los desarrolladores a enseñarles respuestas más fiables ante distintos objetos, espacios y tareas que requieren coordinación motora fina. Por eso, el enfoque de 51World se dirige a la cadena de datos que sustenta la IA encarnada, no a la construcción de un robot humanoide concreto.

El anuncio se produce en un momento de expansión de la robótica humanoide comercial en China. TrendForce estima que el mercado chino de robots humanoides alcanzará los 15.000 millones de yuanes (2.200 millones de dólares) en 2026 y mantendrá un crecimiento de al menos el 60 % en 2027, a medida que aumente la producción y se amplíen las aplicaciones en sectores como la automoción, la electrónica 3C —ordenadores, comunicaciones y electrónica de consumo—, la industria aeroespacial, la logística y la energía.

La previsión de mercado no demuestra que AperEgo o AperOS vayan a impulsar por sí solos ese crecimiento. Sí ayuda a explicar por qué las herramientas capaces de recopilar, filtrar y organizar datos del mundo físico están ganando importancia estratégica: a medida que los robots pasan de las demostraciones a los entornos reales, sus desarrolladores necesitan procesos de datos que generen ejemplos repetibles y utilizables a gran escala.