El sector de los robots humanoides ha estado hablando últimamente de "entrar en las fábricas" y "entrar en los hogares", pero rara vez alguien explica cómo aprenden estos robots a hacer las cosas. La respuesta no es un gran modelo milagroso, sino trabajadores a tiempo parcial en decenas de países de todo el mundo, que usan iPhones atados a la frente para grabar, fotograma a fotograma, mientras lavan platos, doblan ropa y fríen huevos.
Esta es la realidad revelada por un reportaje del MIT Technology Review a principios de abril.
iPhone en la frente, dentro de la cocina
Cómo funciona: átate un iPhone en la frente, apunta hacia tus propias manos y realiza diversas tareas domésticas según las instrucciones — doblar toallas, sacar la comida de la sartén al plato, ordenar la encimera de la cocina. Cada tarea suele durar varias decenas de minutos. Tras la subida, los vídeos son anotados por IA y revisores humanos, marcando la hora de inicio, la hora de finalización y la posición de las manos de cada acción.
La empresa principal responsable es Micro1, con sede en Palo Alto, California, que cuenta con trabajadores contratados en más de 50 países, con enfoque principal en Nigeria, India y Argentina. El salario es de 15 dólares por hora, considerado bueno para los niveles de ingresos locales.
Del lado de los contratantes, empresas que fabrican robots humanoides como Tesla, Figure AI y Agility Robotics compran estos datos. Para que los robots aprendan a trabajar en entornos domésticos reales, los simuladores no son suficientes; los datos de operación humana real son un recurso insustituible.
No solo Micro1. Scale AI afirma haber recopilado más de 100.000 horas de datos similares. DoorDash incluso paga a sus repartidores para que graben sus propias tareas domésticas mientras trabajan. Todo el sector gasta más de 100 millones de dólares al año en datos de entrenamiento del mundo real.
No es la primera vez, pero la escala está creciendo
El uso de anotación humana para datos de entrenamiento de IA no es nuevo. El reconocimiento de imágenes en sus inicios dependía de trabajadores de Amazon Mechanical Turk, y el procesamiento del lenguaje natural dependía de la anotación masiva de texto. Pero los datos de entrenamiento para robots humanoides tienen una diferencia fundamental: no requieren clasificación de texto o imágenes, sino datos de movimiento tridimensional a lo largo del tiempo, con fuerza, ritmo y coordenadas espaciales.
Este problema no puede resolverse solo con datos sintéticos, porque los robots se encuentran con demasiadas diferencias de fricción, peso y propiedades de los materiales en el mundo físico real. Los datos de Scale AI provienen cada vez más de vídeos grabados en casa por trabajadores reclutados específicamente para ello, y no de profesionales en laboratorios.
¿Qué significa esto? Significa que los límites de capacidad de los robots humanoides están, hasta cierto punto, determinados por las cocinas domésticas de todo el mundo. Que un robot pueda o no doblar toallas de diferentes materiales depende de si hay suficientes vídeos de operaciones con los materiales correspondientes.
15 dólares la hora: ¿Es este trabajo estable a largo plazo?
Los trabajadores tienen una percepción bastante positiva de este trabajo.
"Siento que estoy haciendo algo completamente diferente a todo en el mundo." (Participante Zeus)
Otro trabajador llamado Dattu dijo que siente que está "dejando una huella", con sus datos contribuyendo al crecimiento de los robots. Pero los investigadores cuestionan la sostenibilidad de este sector. Ken Goldberg, de la UC Berkeley, dijo directamente:
"La gente subestima cuánto tiempo se necesita para recopilar suficientes datos de entrenamiento de robots seguros y utilizables."
Un problema más concreto es la privacidad. El contenido grabado por los trabajadores no solo muestra sus manos, sino también la decoración de sus hogares, fotos familiares, hábitos de vida y la distribución de las habitaciones. Micro1 afirma que elimina rostros e información sensible, pero los trabajadores no saben a qué empresa se vendieron los datos, dónde se almacenan o si podrían revenderse. Algunos han solicitado la eliminación de los datos, pero nadie sabe el resultado.
La investigadora Yasmine Kotturi, de la Universidad de Maryland, considera que esta asimetría de información es un problema estructural: los trabajadores asumen el riesgo informativo, pero no tienen el derecho correspondiente a ser informados.
Hay otro riesgo más: Aaron Prather, de ASTM International, señala que si los trabajadores operan de forma no estandarizada durante las grabaciones (por ejemplo, usando técnicas de corte inseguras), estas "demostraciones incorrectas" podrían incorporarse a los datos de entrenamiento, haciendo que los robots aprendan hábitos peligrosos.
Esta cadena de suministro no desaparecerá
| Proveedor de datos | Volumen de datos | Principales fuentes de trabajadores |
|---|---|---|
| Scale AI | 100.000+ horas | Distribuido globalmente |
| Micro1 | Decenas de miles de horas | Nigeria, India, Argentina |
| DoorDash | No divulgado | Repartidores |
Para que los robots humanoides realmente "entren en los hogares", es necesario manejar una cantidad inimaginable de escenarios: muebles de todas las formas, ropa de todos los materiales, cocinas de todas las distribuciones, encimeras de todas las alturas. Esta no es una cantidad que pueda resolverse con unos pocos miles de horas de datos, sino con millones de horas.
Esta cadena de suministro de datos globalizada y descentralizada existirá durante mucho tiempo y se hará cada vez más grande. Antes de que los robots puedan aprender de forma totalmente autónoma, los humanos primero deben demostrarles cómo hacerlo.
Solo que la persona encargada de esa demostración puede estar en un apartamento alquilado en Nigeria, con un iPhone atado a la frente, lavando platos mientras ayuda a los robots del futuro a aprender a caminar.
Fuente de referencia: CocoLoop, The gig workers who are training humanoid robots at home (MIT Technology Review)