En el verano de 2018, una pequeña start-up de robótica con sede en Berkeley (EE. UU.) recibió un desafío. El gran proveedor de tecnologías de logística de almacén, Knapp, estaba buscando un nuevo brazo robótico impulsado por inteligencia artificial (IA) capaz de agarrar tantos tipos de objetos como fuera posible. Así que, durante un mes y medio, cada semana, el gigante enviaba a la start-up una lista de artículos cada vez más complicados (cajas oscuras, cajas transparentes, paquetes de pastillas, calcetines, etcétera) que representaban la gama de productos de sus clientes. La start-up compraba dichos artículos y una semana más tarde, enviaba un vídeo de su brazo robótico llevando los artículos de un contenedor a otro.

Al final del desafío, los ejecutivos de Knapp fueron derrotados. Llevaban seis o siete años desafiando a diferentes start-ups pero ninguna había éxito. Así que esta vez, esperaban el mismo resultado. Pero, para su sorpresa, en cada vídeo recibido, el brazo robótico de esta start-up trasladaba cada objeto con una precisión perfecta y una velocidad suficiente para la producción.

Desde su sede de Austria, el vicepresidente de innovación de Knapp, Peter Puchwein, recuerda: "Cada vez esperábamos que fallaran con el próximo producto, porque se iban complicando más. Pero lo importante es que lo conseguían, y todo funcionaba. Nunca habíamos visto una IA del tanta calidad".

Vídeos: El brazo robótico de KNAPP creado por Covariant en un entorno real de almacén en Berlín (Alemania). Créditos: Jannis Keil

Ahora, la start-up, llamada Covariant, acaba de salir del modo sigiloso y ha anunciado su trabajo con Knapp. Sus algoritmos ya se han implementado en los robots del gigante en dos almacenes de sus clientes. Uno de ellos, operado por el proveedor eléctrico alemán Obeta, lleva en producción desde el pasado septiembre. Los cofundadores aseguran que Covariant también está a punto de cerrar otro acuerdo con un gigante de la robótica industrial.

Esta noticia representa un cambio en la robótica impulsada por IA. Estos sistemas solían estar limitados a entornos académicos muy restringidos. Pero Covariant cree que su sistema puede adaptarse a la complejidad del mundo real y que está listo para trasladarse a los almacenes.

En los almacenes hay dos tipos de tareas: las que requieren piernas (como mover cajas de un espacio desde la parte de delante hacia la de atrás) y las que requieren manos (como recoger objetos y colocarlos en el lugar adecuado). Los robots ya llevan mucho tiempo en los almacenes, pero su éxito se ha limitado principalmente a la automatización del primer tipo de trabajo. "Si nos fijamos en un almacén moderno, la gente se mueve poco. Mover objetos entre puntos fijos es algo que la ingeniería mecatrónica realiza estupendamente", afirma el cofundador y CEO de Covariant, Peter Chen.

Foto: Un brazo robótico en la oficina de Covariant. Créditos: Elena Zhukova

Automatizar los movimientos de las manos requiere algo más que el hardware adecuado. La tecnología debe adaptarse hábilmente a una amplia variedad de formas y tamaños de productos en orientaciones cambiantes. Un brazo robótico tradicional se puede programar para ejecutar los mismos movimientos precisos una y otra vez, pero fallará en cuanto se encuentre con alguna variación. Necesita IA para "ver" y ajustarse, o no podrá mantenerse al día con su entorno cambiante. "Esa es la parte de destreza que requiere inteligencia", asegura Chen.

En los últimos años, los laboratorios de investigación han logrado algunos avances increíbles en la combinación de inteligencia artificial y robótica para alcanzar esa destreza, pero aplicarlos al mundo real ha sido algo completamente diferente. Los laboratorios pueden aceptar una precisión del 60 % o 70 %; pero los robots en producción no. Incluso con un 90 % de fiabilidad, el brazo robótico supondría una "pérdida de valor", según el cofundador y científico jefe de Covariant, Pieter Abbeel.

Fotos: El régimen de entrenamiento de Covariant. Créditos: Karen Hao

Abbeel y Chen estiman que para rentabilizar la inversión, el robot debe tener una precisión de mínima del 99 %, y tal vez incluso de 99,5 %. Solo entonces podrá operar sin necesidad de intervención humana ni riesgo de desacelerar la línea de producción. Este nivel de precisión se ha sido posible gracias a los recientes avances en el aprendizaje profundo, y en particular en el aprendizaje reforzado.

Foto: Brazo robótico de Knapp creado por Covariant en un entorno real de almacén en Berlín, Alemania. Créditos: Jannis Keil

La oficina de Covariant está situada cerca de la costa de la Bahía de San Francisco (EE. UU.), al lado de un aparcamiento en ruinas entre una fila de edificios sin señalización. En el interior, varios robots industriales y cobots (robots colaborativos diseñados para operar de manera segura con trabajadores humanos) entrenan para cada posible producto con el que se puedan encontrar.

Los miembros de Covariant recorren distintas tiendas para comprar cualquier objeto y chisme que descubran. Desde lociones embotelladas hasta ropa empaquetada y tapones de goma en cajas transparentes. El equipo busca especialmente aquellos objetos que puedan confundir al robot: superficies metálicas muy reflectantes, plásticos transparentes y superficies fácilmente deformables como ropa o bolsas de patatas fritas que cada vez tendrán un aspecto diferente para la cámara.

Cada robot incorpora una serie de cámaras que sirven como sus ojos. Esos datos visuales, junto con los datos del sensor del cuerpo del robot, alimentan el algoritmo que controla sus movimientos. Los robots aprenden principalmente a través de una combinación de técnicas de imitación y refuerzo. Las primeras involucran a una persona que guía manualmente al robot para recoger diferentes objetos. Luego el robot registra y analiza las secuencias del movimiento para comprender cómo generalizar su comportamiento. Esto implica que el robot realice millones de intentos de prueba y error. Cada vez que alcanza un objeto, lo vuelve a intentar de una manera ligeramente diferente. Después registra qué movimientos resultan más rápidos y precisos para mejorar continuamente su rendimiento.

Como es el algoritmo que aprende, al fin y al cabo, la plataforma de software de Covariant, llamada Covariant Brain, es independiente del hardware. De hecho, la oficina tiene más de una docena de robots de varios modelos, y su implementación directa con Obeta utiliza el hardware de Knapp.

En solo una hora, pude ver tres robots diferentes que recogían magistralmente todo tipo de objetos comprados en tiendas. En cuestión de segundos, el algoritmo analizó sus posiciones, calculó el ángulo de aproximación y la secuencia correcta de movimientos, y extendió el brazo para agarrarlos con una ventosa. Se movían con seguridad y precisión, y cambiaban su velocidad en función de la delicadeza del objeto. Las pastillas envueltas en papel de aluminio, por ejemplo, recibían un tratamiento más suave para no deformar el envase ni aplastar el medicamento. En una demostración particularmente impresionante, el robot también invirtió su flujo de aire para soplar una bolsa presionada contra la pared de un contenedor para centrarla y facilitar el acceso.

Puchwein de Knapp asegura que desde que la compañía adoptó la plataforma Covariant, sus robots han pasado de agarran entre un 10 % y 15 % de la gama de productos de Obeta a alrededor del 95 %. El último 5 % son productos especialmente frágiles como gafas, que todavía necesitan un manejo cuidadoso por parte de los trabajadores humanos. Puchwein asegura: "Eso no es un problema. En el futuro, la situación típica debería ser de 10 robots junto a una estación de recolección manual. Ese es el plan". En los próximos años, mediante la colaboración, Knapp distribuirá sus robots creados por Covariant a todos los almacenes de sus clientes.

Aunque resultan técnicamente impresionantes, las estadísticas plantean preguntas sobre el impacto que tales robots tendrán en la automatización del trabajo. Puchwein admite que en los próximos cinco años prevé que cientos o miles de robots que se harán cargo de las tareas tradicionalmente realizadas por humanos. Pero, asegura que la gente ya no quiere hacer ese trabajo de todos modos. En Europa, las empresas a menudo tienen dificultades para encontrar personal para sus almacenes. El responsable concluye: "Esa es exactamente la situación de todos nuestros clientes. No encuentran trabajadores y por eso necesitan más automatización".

Hasta la fecha, Covariant ha recaudado 24,5 millones de euros  de inversores que incluyen a los grandes nombres de inteligencia artificial como los ganadores del Premio Turing Geoffrey Hinton y Yann LeCun. Además de recoger objetos, la empresa quiere abarcar todos los aspectos del trabajo en un almacén, desde la descarga de camiones hasta las cajas de embalaje y las estanterías de clasificación. También prevé expandirse más allá de los almacenes hacia otras áreas e industrias.

Pero, finalmente, Abbeel tiene un objetivo aún más grande: "La visión a largo plazo de la empresa es ocuparse de toda la robótica de IA".