Para construir las máquinas autónomas del futuro, a veces tu modelo necesita un modelo. Esto es fundamental para compañías que están desarrollando coches autónomos, robots que manipulan el entorno físico o equipos de construcción autónomos. Estas empresas recopilan miles, si no millones, de horas de datos en video para su evaluación y entrenamiento. Sin embargo, la organización y catalogación de ese contenido hasta ahora ha sido tarea de humanos, lo que resulta ineficiente y poco sostenible. La startup Nomadic AI, fundada por Mustafa Bal y Varun Krishnan, busca resolver el problema de la falta de datos utilizables en el ámbito de las flotas.
Desafíos en la recopilación de datos para máquinas autónomas
El reto se complica al buscar casos extremos, es decir, aquellos eventos que ocurren raramente y que pueden confundir a modelos de IA físicos inexpertos. Los modelos de IA actuales a menudo se enfrentan a la dificultad de identificar y entender estos escenarios, lo que puede limitar su efectividad y aplicabilidad en el mundo real.
Innovación en la plataforma de Nomadic AI
Nomadic está desarrollando una plataforma que convierte el metraje recopilado en un conjunto de datos estructurado y buscable mediante una colección de modelos de lenguaje visual. Esto no solo mejora el seguimiento de la flota sino que también permite la creación de conjuntos de datos únicos para el aprendizaje por refuerzo y una iteración más rápida. Gracias a una reciente ronda de financiación de 8.4 millones de dólares, la empresa aspira a aumentar su base de clientes y perfeccionar su plataforma.
Casos de éxito y clientes actuales
Ya hay clientes como Zoox, Mitsubishi Electric, Natix Network y Zendar utilizando la plataforma para desarrollar máquinas inteligentes. Antonio Puglielli, VP de Ingeniería en Zendar, destacó que la herramienta de Nomadic permitió a la empresa escalar su trabajo mucho más rápido en comparación con la opción de subcontratar.
La importancia de modelos de anotación automática
Las herramientas de anotación automática basadas en modelos están emergiendo como un flujo de trabajo clave para la IA física. Empresas establecidas en etiquetado de datos como Scale, Kognic y Encord están desarrollando herramientas de IA para realizar este tipo de trabajo. Al mismo tiempo, Nvidia ha lanzado una serie de modelos de código abierto, Alpamayo, que pueden adaptarse para abordar este problema.
Una solución integral
Varun argumenta que el sistema de Nomadic es más que un simple etiquetador; se trata de un sistema de razonamiento agente que comprende el contexto de las acciones mediante el uso de múltiples modelos. Los patrocinadores de Nomadic creen que su enfoque específico en esta infraestructura es una ventaja competitiva.
Consejos para emprendedores en el sector de IA
- Identifica las necesidades del mercado: Antes de desarrollar un producto, asegúrate de que hay una demanda real y que puedes ofrecer una solución única.
- Aprovecha la tecnología existente: No te distraigas intentando construir todo desde cero; es preferible integrar herramientas y modelos existentes para acelerar el desarrollo.
- Colabora con expertos: Forma equipos multidisciplinarios que puedan aportar diferentes perspectivas y habilidades al proyecto.
- Prueba y ajusta: Realiza iteraciones frecuentes y ten en cuenta la retroalimentación del cliente para mejorar tu producto.
Conclusiones
En un mundo donde la recopilación y organización de datos son vitales para el éxito de las máquinas autónomas, Nomadic AI se posiciona como una solución innovadora que busca optimizar estos procesos. La empresa no solo aborda un problema significativo en el sector, sino que también abre las puertas a un futuro en el que la automatización pueda ser implementada con mayor efectividad. La clave para el éxito en este campo radica en adaptarse y evolucionar a medida que la tecnología y el mercado cambian.