Financiación para un enfoque intensivo en datos aplicado a la robótica generalista

Tutor Intelligence ha recaudado 75 millones de dólares en una ronda Serie B para ampliar el entrenamiento, el despliegue y el uso comercial de sus sistemas robóticos. La empresa combina flotas de robots conectados a Internet, intervención humana remota, simulación y datos del mundo real para mejorar modelos de IA destinados al trabajo físico.

La compañía, con sede en Watertown, Massachusetts, surgió en 2021 del Laboratorio de Informática e Inteligencia Artificial del Massachusetts Institute of Technology. Busca desarrollar una pila tecnológica completa que reduzca la brecha entre las tareas que pueden realizar los robots y las que realizan las personas.

El reto central es que los datos físicos útiles son relativamente escasos y costosos de recopilar. Los modelos de texto e imagen pueden aprender de grandes registros en línea; los robots deben enfrentarse a objetos, entornos, movimientos y excepciones variados.

Robots que generan datos de entrenamiento mientras trabajan

El modelo de Tutor se basa en despliegues en entornos de producción. Sus robots realizan tareas para clientes mientras reciben instrucciones de operadores remotos llamados tutores. Los datos resultantes se utilizan para entrenar modelos mejorados.

Esto crea un ciclo de retroalimentación: mejores modelos permiten despliegues más amplios, que generan más ejemplos de manipulación real y mejoran los modelos posteriores.

La empresa también utiliza simulación y ha abierto una Data Factory para evaluar políticas en 100 robots físicos. La evaluación física es importante porque el rendimiento simulado no se transfiere automáticamente a la operación real.

Dos sistemas para tareas de estilo logístico

La Data Factory de Tutor incluye Sonny, un robot semihumanoide de dos brazos para el picking individual. También ofrece Cassie, un manipulador móvil diseñado para recoger cajas y paletizar.

Estas aplicaciones exigen flexibilidad, percepción y recuperación ante condiciones inesperadas. Tutor afirma que su plataforma pretende automatizar tareas que durante mucho tiempo han resistido a la robótica determinista.

Un modelo comercial diferente

Tutor afirma que los clientes pagan por hora o por picking, de forma similar al trabajo manual. No compran el robot por adelantado ni firman contratos a largo plazo; Tutor gestiona el despliegue y el mantenimiento y proporciona actualizaciones periódicas.

El modelo puede reducir la barrera inicial para adoptar automatización, pero también obliga a Tutor a demostrar que sus robots realizan suficiente trabajo útil de manera fiable y a un coste razonable.

Qué pretende respaldar la Serie B

La financiación se destinará al desarrollo de robots de picking, inteligencia conectada y despliegues comerciales. La empresa sostiene que operar robots en entornos reales puede convertirse en una ventaja duradera al generar ejemplos difíciles de reproducir con fuentes públicas.

La estrategia no elimina los problemas de seguridad, fiabilidad y rendimiento económico. Su avance se medirá por las tareas que los robots puedan realizar, la intervención humana que necesiten y la continuidad de uso por parte de los clientes.

La importancia de la ronda

Los 75 millones de dólares proporcionan recursos adicionales para seguir una estrategia guiada por el despliegue. Tutor presenta la inteligencia robótica como un sistema operativo que aprende de una flota instalada en expansión.

La cuestión inmediata es si ese ciclo puede producir automatización fiable y económicamente útil en más tareas reales.

Este artículo se basa en información de The Robot Report. Leer el artículo original.

Originally published on therobotreport.com