Chips y hardware
Perceptron, de excientíficos de Meta, lleva la IA visual a la planta de fábrica
Perceptron, fundada por dos excientíficos de Meta FAIR, lanzó Isaac 0.5, un modelo de visión de pesos abiertos diseñado para ayudar a los robots a percibir, razonar y actuar en almacenes y fábricas.
La IA se ha mantenido en gran medida confinada al ámbito digital, pero un número creciente de startups busca llevarla al mundo físico. Perceptron, fundada por dos exinvestigadores científicos de Meta, es una de esas empresas; fundada en noviembre de 2024, desarrolla modelos de visión de frontera pensados para ayudar a las máquinas a interactuar de forma más competente con sus entornos físicos.
Esta semana la empresa lanzó su modelo más reciente, Isaac 0.5, que sus creadores dicen que está diseñado para dar a las máquinas la capacidad de “percibir, razonar y actuar” en entornos industriales; específicamente, ayudando a robots guiados por visión a navegar entornos complejos como almacenes o plantas de fábrica, y ayudando a las empresas a extraer inteligencia visual de los videos grabados por esos robots. Isaac 0.5 se lanza como un modelo de pesos abiertos, por lo que sus parámetros y materiales de entrenamiento pueden ser inspeccionados por cualquiera.
Perceptron fue cofundada por Armen Aghajanyan y Akshat Shrivastava, quienes trabajaron previamente en la división de Investigación Fundamental de IA (FAIR) de Meta. El dúo ve su software como el futuro del despliegue industrial automatizado: “La IA física hoy impone una falsa disyuntiva: modelos fundacionales generalistas que necesitan múltiples GPU dedicadas en la nube para cada instancia, o modelos limitados que manejan percepción o control, pero nunca ambos”, dice la empresa. Aghajanyan y Shrivastava sostienen que su herramienta se diferencia de los modelos existentes porque es de propósito general en lugar de estar construida para una tarea específica y repetitiva, y está diseñada para adaptarse según el entorno en el que opera; Shrivastava dio el ejemplo de un robot que clasifica paquetes, el cual debe leer una etiqueta, hacer un análisis espacial para ubicar las cajas, decidir cuál recoger y planificar el orden si debe recoger varias, pasos que el software existente ya puede hacer en su mayoría de forma individual, pero rara vez de manera flexible y en conjunto.
Isaac 0.5 aprendió sus habilidades operativas a partir de un millón de horas de video general, además de lo que se conoce como “video ego” —material grabado desde la perspectiva de una persona que realiza una tarea física, típicamente mediante una GoPro o una cámara vestible— y “video UMI”, que de forma similar enseña a los sistemas de IA a moverse al registrar acciones humanas repetitivas. Perceptron no revela las fuentes de sus datos de entrenamiento, pero Shrivastava dijo que la empresa ha “construido internamente conjuntos de datos a escala de petabytes que abarcan distintas modalidades, ya sean imágenes, texto, video, etc., hasta llegar a trayectorias robóticas”. La startup planea comercializar el software a proveedores de manufactura, logística y almacenamiento, seguridad, movilidad, y medios y entretenimiento. Perceptron había recaudado previamente USD 21 millones de Bessemer Venture Partners, Foundation Capital y S32, con la participación también de SmartGateVC en su ronda fundacional, según Pitchbook; TechCrunch tiene entendido que la startup está en proceso de cerrar una ronda adicional.
Por qué importa
Un modelo de visión de pesos abiertos y propósito general para robots —en lugar de software específico para cada tarea— es una apuesta a que el cuello de botella en la automatización de almacenes y fábricas es la flexibilidad entre pasos, y no solo la capacidad bruta de percepción o control.