El entrenamiento de robots siempre chocó con un problema que la mayoría de las empresas prefería ignorar: los datos disponibles en internet simplemente no sirven para enseñarle a una máquina a desenvolverse en el mundo real. Videos, textos e imágenes digitales capturan bien lo que ocurre en las pantallas, pero se quedan completamente perdidos cuando el tema es física, movimiento y contexto del entorno. Existe una distancia enorme entre un robot que aprende viendo videos en YouTube y un robot que realmente entiende cómo agarrar un vaso de vidrio sin tirarlo, doblar una camiseta arrugada o navegar por una cocina desordenada.
Fue exactamente esa brecha la que Figure AI decidió atacar de frente. Después de cuatro meses operando en modo stealth, la empresa acaba de revelar Index, descrito como el dataset de entrenamiento de robots más diverso jamás construido en el mundo. La propuesta es sencilla de entender, pero gigante en la ejecución: si los datos que necesitas no existen en internet, creas una red para generarlos desde cero, capturando una muestra global de física en todo tipo de entornos posibles, con calidad, escala y diversidad suficientes para entrenar robots de verdad. 🤖
Los números ya llaman la atención de entrada. Son 264 mil descargas en más de 100 países, más de 44 mil usuarios activos semanales, 16 millones de videos enviados por los creadores, y un compromiso de invertir más de 1.000 millones de dólares en los próximos 12 meses solo en datos y capacidad computacional. Hasta ahora, la empresa ya pagó 15 millones de dólares a los colaboradores que contribuyeron con el proyecto. Pero lo que realmente hace relevante al Index no es solo el volumen, sino lo que hay detrás de cada video enviado: entornos diferentes, objetos variados y maneras únicas de ejecutar tareas, el tipo de variación que ningún dataset sintético logra replicar con fidelidad.
Por Qué los Datos de Internet No Funcionan para Robots
Cuando hablamos de modelos de lenguaje como GPT o Gemini, tiene todo el sentido entrenarlos con texto de internet. El mundo digital es el entorno en el que esos modelos van a operar, así que los datos encajan en el contexto. Pero un robot que necesita actuar en el mundo físico enfrenta una realidad completamente distinta: necesita entender peso, textura, resistencia, profundidad, temperatura y cientos de otras variables que simplemente no existen en un archivo de video convencional. Un video grabado de lejos, con mal ángulo, en un ambiente controlado y bien iluminado, no enseña absolutamente nada sobre cómo lidiar con una superficie resbaladiza o un objeto que cae de forma inesperada.
Además, la gran mayoría de los videos disponibles en internet fueron creados para consumo humano, no para entrenamiento de máquinas. Eso significa que los ángulos son cinematográficos, los cortes son rápidos, el audio está mezclado y el contexto está construido para entretenimiento o información, no para capturar los detalles técnicos que un modelo de robótica necesita aprender. Falta la perspectiva en primera persona, falta la continuidad de los movimientos, falta la representación fiel de las interacciones físicas con el entorno. Es como intentar aprender a nadar viendo comerciales de protector solar: entiendes que el agua existe, pero no aprendes nada útil sobre cómo moverte dentro de ella.
La propia Figure AI refuerza que esta es una cuestión de generalización, y que la generalización es, en el fondo, un problema de datos. La pila de inteligencia artificial de la empresa, llamada Helix, se vuelve más capaz de la misma forma que cualquier sistema aprendiz: con más datos. No es una idea nueva en el aprendizaje automático, de hecho, es el descubrimiento central de la última década de investigación en IA. La novedad es aplicar esa lección de forma directa y sin rodeos a la robótica, un campo en el que la recolección de datos siempre fue el mayor cuello de botella.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
Ese es el núcleo del problema que Figure AI mapeó y que motivó la creación de Index. Antes de construir su propio pipeline, la empresa incluso intentó comprar datos a proveedores externos, pero ninguno de ellos lograba alcanzar el nivel de throughput, diversidad y calidad que Helix exigía. La salida fue construir una infraestructura completamente nueva de captación de datos, exclusiva de Figure, con reglas específicas de calidad, formatos estandarizados y una comunidad comprometida de creadores dispuestos a grabar el mundo real de la forma correcta. No es una solución sencilla, pero es la más honesta con el problema, y los resultados iniciales ya muestran que la apuesta tiene sentido.
Cómo Funciona el Index en la Práctica
El dataset Index no es un banco de datos estático que Figure AI construyó internamente y va a actualizar de vez en cuando. Es una plataforma viva, alimentada continuamente por una red global de creadores que graban y envían videos del mundo físico siguiendo directrices específicas. Lanzado ahora oficialmente en Google Play y en la App Store, la aplicación captura interacciones reales: manos agarrando objetos, personas moviéndose por ambientes domésticos, tareas cotidianas siendo ejecutadas en contextos variados, como cocinas de departamentos pequeños, galpones logísticos, restaurantes, fábricas y oficinas alrededor del mundo. Cada ambiente carga sus propias peculiaridades físicas, y es exactamente eso lo que hace al dataset valioso para el entrenamiento de un robot que necesite funcionar en cualquier lugar.
Para dar una idea concreta de esa riqueza, por cada 1.000 horas recolectadas, el Index reúne 373 tareas únicas, 1.146 objetos manipulados únicos y 116 entornos únicos. Las tareas van de lo trivial a lo inusual: cocinar, limpiar, lavar ropa y otras actividades domésticas, pero también cambiar el aceite de un auto, limpiar la caja de arena del gato y recoger platos en mesas de restaurante. Toda esa variación se hereda directamente de las personas que generan los datos. Cada nuevo creador trae un ambiente inédito, objetos desconocidos y su propia manera peculiar de completar una tarea, ese tipo de variación de cola larga que es prácticamente imposible de definir anticipadamente en un laboratorio.
La diversidad geográfica y cultural de los datos no es un detalle estético, es estructural para el proyecto. Un robot entrenado solo con datos capturados en laboratorios de un único país va a tener dificultades enormes cuando encuentre un ambiente diferente, con muebles en posiciones inusuales, objetos que nunca vio o superficies con características distintas. El Index resuelve eso al distribuir la captación de datos por más de 100 países, garantizando que el modelo aprenda a lidiar con variaciones reales del mundo, no con variaciones simuladas en un ambiente controlado. Esa amplitud también garantiza representatividad de diferentes formas de realizar las mismas tareas, algo que los datos sintéticos jamás lograrían capturar con la misma riqueza y autenticidad. 🚀
El Pipeline de Datos Detrás de Helix
Procesar 30 minutos de video por segundo provenientes de creadores distribuidos por el mundo, el equivalente a casi cinco años de trabajo humano enviados cada día, exigió que Figure AI reconstruyera toda su infraestructura de datos en torno a restricciones más típicas de una aplicación de consumo: disponibilidad las 24 horas del día, capacidad computacional continua a gran escala para el procesamiento y feedback en tiempo real para los usuarios, que ayuda a mejorar las recolecciones futuras.
Desde el punto de vista técnico, el pipeline funciona en cinco etapas bien definidas:
- Filtrado: filtros automáticos hacen la primera selección, evaluando la calidad técnica, visual y semántica de cada envío.
- Revisión de fraude: analistas humanos auditan muestras a nivel de usuario para identificar intentos deliberados de burlar el sistema.
- Deduplicación: cada segmento de video se transforma en un embedding, y los que quedan por encima de un umbral de similitud con datos ya aceptados se descartan, preservando la diversidad.
- Rebalanceo: el resto se reequilibra usando cuotas por tarea y clusters basados en embeddings, que capturan variaciones más allá de las etiquetas de tarea.
- Anotación: finalmente, el sistema genera leyendas de texto jerárquicas asociadas a cada episodio grabado.
Este flujo garantiza que el dataset no crezca solo en volumen, sino en calidad y variedad. Los resultados de generalización que la empresa viene observando internamente ya están validando esta tesis, y Figure AI promete compartir más detalles pronto. La escala actual, con 16 millones de videos ya enviados, es solo el comienzo: la empresa afirma estar en camino de multiplicar ese número por 100.
El Papel de los Creadores en Esta Ecuación
Uno de los aspectos más interesantes del Index es el modelo de participación que Figure AI construyó para involucrar a los creadores. En lugar de depender exclusivamente de equipos internos o contratados directos para generar datos, la empresa abrió el proceso a cualquier persona alrededor del mundo que tenga interés en contribuir. Cualquiera puede convertirse en un creador y empezar a grabar tareas reales en su propia casa o lugar de trabajo: tender la cama, doblar ropa, atender clientes en una cafetería local, reponer productos en estantes de tienda. También es posible agendar un creador a través de la aplicación, que va hasta ti para ayudar con tareas del día a día, y la empresa incluso envía colaboradores a negocios que quieran participar.
Esto no es solo una estrategia de escala, es una decisión inteligente de diversidad, porque personas diferentes, en lugares diferentes, ejecutando tareas de la forma en que lo hacen naturalmente en su día a día, generan automáticamente una variación de datos que sería imposible de replicar artificialmente. Un colaborador en el interior de alguna provincia rural va a grabar su propia cocina de una manera completamente diferente a alguien en Tokio o en Lagos, y esa diferencia es exactamente lo que el modelo necesita ver para generalizar bien.
El número de 264 mil descargas de la aplicación en más de 100 países, con 44 mil usuarios activos por semana, muestra que la estrategia de engagement está funcionando. No es trivial convencer a personas de grabar videos siguiendo protocolos específicos y enviarlos a una empresa de robótica, pero Figure AI logró crear un ecosistema donde los creadores entienden el valor de lo que están contribuyendo, son remunerados por ello, con los ya mencionados 15 millones de dólares pagados hasta aquí, y se sienten parte de algo más grande. Ese sentido de pertenencia y propósito es uno de los activos más difíciles de construir en proyectos de datos a gran escala.
Otro punto relevante es que el modelo de creadores distribuye el riesgo y acelera el crecimiento del dataset de una forma que los enfoques tradicionales no logran. Cuando dependes de un equipo interno para generar datos, estás limitado por el tamaño del equipo, por el presupuesto de operación y por la capacidad logística de estar en varios lugares al mismo tiempo. Con una red global de colaboradores, esos límites prácticamente desaparecen, y el dataset puede crecer de forma orgánica y paralela en múltiples contextos simultáneamente, sin que la empresa necesite aumentar proporcionalmente su equipo interno. Esta arquitectura de datos distribuida es, en muchos sentidos, tan innovadora como el propio robot que el Index pretende ayudar a construir.
Herramientas que usamos a diario
Qué Significa Esto para el Futuro de la Robótica
El Index representa un cambio de mentalidad importante en el campo de la robótica y la inteligencia artificial aplicada al mundo físico. Durante mucho tiempo, el modelo dominante fue el de laboratorio cerrado: las empresas construían ambientes controlados, recolectaban datos internamente e intentaban generalizar a partir de ahí. Los resultados eran técnicamente impresionantes en contextos específicos, pero se rompían rápidamente cuando el robot encontraba una situación un poco diferente de lo que se había previsto en el entrenamiento. El Index apuesta en la dirección opuesta, partiendo del caos real del mundo para construir un modelo que sea robusto exactamente porque fue expuesto a esa variación desde el inicio.
La diversidad de datos que el Index está acumulando también tiene implicaciones directas para la inclusión y la equidad en el desarrollo de robótica. Históricamente, robots y sistemas de automatización fueron desarrollados pensando en ambientes y usuarios de países ricos, con infraestructura estandarizada y contextos culturales específicos. Un dataset construido con contribuciones de más de 100 países, con ambientes y objetos de culturas variadas, comienza a cambiar esa ecuación, abriendo la posibilidad de desarrollar robots que funcionen bien en contextos mucho más amplios y representativos del mundo real tal como es, no como un laboratorio quisiera que fuera.
La visión a largo plazo de Figure AI es bastante clara: el Index está sentando las bases para que, en el futuro, los robots se ofrezcan como un servicio. Hoy tienes personas que van a tu casa a ayudar a limpiar y organizar; la idea es que, eventualmente, un robot haga todo eso por ti. Es una transición ambiciosa, y el dataset que se está construyendo ahora es el combustible que va a hacer posible ese escenario.
Es pronto para decir si el Index se convertirá en el estándar de la industria para entrenamiento de robots físicos, pero la combinación de escala, diversidad, modelo de creadores distribuidos e inversión robusta coloca a Figure AI en una posición competitiva bastante sólida. El mercado de robótica física todavía está en las etapas iniciales de lo que promete ser una de las mayores transformaciones tecnológicas de las próximas décadas, y quien construya la mejor base de datos va a tener una ventaja estructural que será muy difícil de superar después. El dataset Index, en este contexto, no es solo un producto o una herramienta, es una apuesta estratégica a largo plazo en el futuro de la inteligencia física. 🤖
