Ondas cerebrales y datos: la apuesta para desbloquear la IA física

Introducción

La frontera de la “IA física” no se limita hoy a laboratorios de hardware ni a mejoras en arquitecturas de redes neuronales: está en la tarea cotidiana de crear datos que permitan a los robots aprender a manipular objetos en el mundo real. En un almacén en San Leandro, California, Encord está experimentando con una idea que suena a ciencia ficción aplicado: usar mediciones de la actividad cerebral humana para enriquecer los conjuntos de datos que entrenan manipuladores y humanoides.

El experimento en San Leandro

Encord, empresa conocida por sus herramientas de etiquetado y evaluación de datos para visión por computadora, opera un espacio donde trabajadores —a los que llaman “pilotos”— generan datos egocéntricos para modelos de robótica. Un piloto, Andrew Ceja, desmonta una torre de bloques Jenga mientras usa un casco con cámara para capturar lo que ve. Hasta aquí no hay mucha novedad: ese tipo de video de primera persona se usa ampliamente. La innovación es que el casco incluye sensores desarrollados por Zander Labs, una startup alemana de neurociencia, que registran ondas cerebrales durante la tarea.

El propósito de Encord no es sensacionalista: actualmente están en una fase de prueba. La idea es construir un conjunto de datos etiquetado con marcadores derivados de la actividad cerebral, usarlo para afinar modelos robóticos de clientes y evaluar si realmente mejora el rendimiento antes de pensar en escalar.

¿Por qué faltan datos físicos?

Vineeth Velmurugan, jefe de aprendizaje robótico en Encord y veterano de OpenAI y Berkshire Grey, resume el problema con claridad: muchas empresas que persiguen aprendizaje de extremo a extremo para manipulación robótica descubrieron que los datos necesarios no existen en la forma adecuada. A diferencia de los modelos de lenguaje, que se entrenaron con montañas de texto públicamente disponible, los modelos que deben interactuar físicamente con el mundo requieren grabaciones detalladas de acciones, fuerzas, aperturas de mano y errores humanos.

Intentar entrenar robots solo con video tiene limitaciones de fidelidad; recolectar datos físicos en operaciones reales —como hacen las compañías de autos autónomos— es costoso y difícil de escalar. Velmurugan llega a comparar la magnitud necesaria para romper esa barrera con un corpus enorme: un conjunto de datos equivalente a varias veces el volumen de video global disponible, una escala que explica por qué la generación de datos se ha convertido en un negocio en sí misma.

Modalidades: egocéntrico, teleoperado y sensores corporales

Las dos fuentes principales que hoy alimentan entrenamientos de control y manipulación son: 1) video egocéntrico capturado por trabajadores que realizan tareas con cámaras en la cabeza y 2) datos obtenidos mediante robots teleoperados, donde un humano guía un brazo que luego sirve para enseñar a un controlador autónomo.

Encord combina ambas estrategias. En su almacén usan rigs de “líder-seguidor”: un brazo robótico controlado por un humano y otro que replica sus movimientos, generando pares de observación-acción. Las tareas son deliberadamente variadas y a veces triviales, pero importantes: verter café de una jarra (con su dinámica de derrame), apilar fichas de póker, manipular flores plásticas, desenchufar cables Ethernet detrás de un servidor. Estas escenas reproducen la heterogeneidad de entornos domésticos, centros de distribución y centros de datos.

Además del video, Encord explora sensores en el antebrazo que miden señales eléctricas musculares. Esa telemetría permite inferir la posición tridimensional de la mano aunque el video no la muestre completa, lo que aumenta la precisión de las etiquetas sobre qué está haciendo exactamente la mano en cada instante.

¿Pueden las ondas cerebrales ayudar?

La propuesta de Zander Labs y Encord es que la actividad cerebral puede añadir una capa semántica clave: indicadores de error, intención o sorpresa que no son inmediatamente visibles en el video. Lucas Gehrke, neurocientífico de Zander supervisando la prueba, sostiene que la intensidad y los patrones de actividad cerebral durante una tarea pueden señalar momentos en que conviene desplegar modelos más complejos o prestar más atención durante el entrenamiento.

En la práctica, esto se traduce en etiquetas temporales que marcan instantes relevantes del comportamiento humano: cuando una persona se sorprende por un fallo, cuando intuye que algo saldrá mal, o cuando está segura y el gesto es repetitivo. Etiquetar datos con esas señales podría hacer que los conjuntos resulten más eficientes para enseñar a un robot a priorizar recursos computacionales y a reaccionar ante estados mentales críticos.

El valor (y el costo) de las anotaciones densas

Encord no se limita a recolectar raw video; sus conjuntos se anotan con descripciones físicas explícitas —por ejemplo, “mano derecha aprieta tornillo”— pensadas para ser compatibles con modelos de lenguaje que interioricen la dinámica de las acciones. Velmurugan estima que las anotaciones densas valen hasta 100 veces más que el “ego data” pobremente etiquetado para entrenar tareas específicas, y que producirlas cuesta aproximadamente 20 veces más.

Ese es el punto crucial: a diferencia del web scraping masivo que hizo posible la explosión de los modelos de lenguaje a bajo costo, generar datos físicos requiere manufactura deliberada. Producir datos de alta calidad implica instalaciones, pilotos entrenados, sensores, tiempo humano para anotación y pruebas de validación. Es costoso, y por eso la economía de la IA física se parece más a la manufactura tradicional que a la extracción de texto en internet.

Ventaja estratégica y riesgos

La posición de Encord como proveedor que trabaja con múltiples empresas le da una visión transversal: puede observar qué modalidades y etiquetas tienden a mejorar el desempeño en distintos tipos de manipuladores y entornos. Esa capacidad de comparar programas ayuda a priorizar inversiones en modalidades de recolección.

Sin embargo, la tecnología trae preguntas éticas y de privacidad, especialmente cuando se registran señales biológicas como ondas cerebrales o electromiografía. Aunque los pilotos firman consentimientos en contextos de prueba, cualquier escalamiento comercial requerirá marcos claros sobre consentimiento, uso, almacenamiento y anonimización de datos biométricos.

Implicaciones para América Latina

Para empresas y centros de investigación en América Latina, la lección central es doble: 1) el avance en robots útiles depende en gran medida de la disponibilidad de datos físicos y 2) hay una oportunidad local para participar en la etapa de generación de datos. Zonas industriales y logísticas en la región podrían convertirse en fuentes valiosas de datos egocéntricos y teleoperados si se establecen alianzas entre fabricantes, operadores logísticos y startups de IA.

No obstante, la barrera de costo es real. Instituciones públicas y privadas que quieran sumarse deberán considerar modelos de colaboración para compartir infraestructura de recolección y estándares de privacidad que cumplan tanto con regulaciones locales como con requerimientos internacionales.

Conclusión

La promesa de la IA física —robots que manipulan con la sutileza y la adaptabilidad humanas— choca hoy contra la escasez de datos relevantes y de alta calidad. Propuestas como las de Encord y Zander Labs, que recurren a ondas cerebrales y sensores musculares para etiquetar momentos críticos de interacción, representan un enfoque práctico: si no existe el dato, hay que manufacturarlo.

Queda por ver cuán efectivo resulta este tipo de etiquetas biométricas para mejorar controladores robóticos en producción. Lo que sí parece claro es que, a diferencia de la era de los grandes modelos de lenguaje, escalar la IA física implicará inversiones sostenidas en infraestructuras de recolección y en acuerdos éticos y regulatorios, una realidad que también abre oportunidades para actores en América Latina dispuestos a participar desde el principio.