La competencia en la industria de la inteligencia embodiada se centra en la limitación de datos. Qiongche Intelligence, en colaboración con Alibaba Cloud, ha desarrollado una línea de producción automatizada de datos en la nube. Se utilizan soluciones UMI para recopilar datos de operaciones de robots, pero tras la recopilación es necesario pasar por complejos procesos como la recuperación de pose, calibración de lentes ojo de pez, segmentación de acciones y anotación multimodal. Alibaba Cloud proporciona capacidad de cómputo distribuido para lograr el procesamiento automatizado de todo el flujo, aumentando el rendimiento de datos en más de 10 veces y escalando el poder de cómputo en la nube hasta más de 100.000 CU, mejorando la eficiencia del entrenamiento del modelo en aproximadamente un 50%. Esta colaboración ha demostrado que los datos de robots pueden establecer un sistema de producción escalable y estandarizado, brindando soporte continuo para la iteración de modelos y convirtiéndose en una capacidad de infraestructura básica para empresas de inteligencia embodiada.

Autor del artículo, fuente: GeekPark

Si 2025 es el año del auge de la inteligencia encarnada, entonces este año, la competencia en la industria ya ha entrado en una nueva fase.

Desde que cada vez más empresas de robótica tanto nacionales como extranjeras lanzan nuevos productos, hasta el continuo aumento de inversión capital, la inteligencia encarnada se está convirtiendo en una de las direcciones más destacadas en el campo de la IA. Sin embargo, a medida que la industria avanza rápidamente, se está formando un nuevo consenso: lo que realmente limita la velocidad de evolución de los robots ya no es solo el modelo, sino los datos.

A diferencia de los modelos de lenguaje grande que pueden aprovechar la enorme cantidad de texto disponible en internet, los robots deben aprender habilidades de operación en el mundo real. Cada agarre, cada transporte y cada tarea de organización deben ocurrir en la realidad, y simultáneamente registrar información multimodal como visión, acciones y trayectorias. Cómo obtener continuamente datos de alta calidad y transformarlos rápidamente en conjuntos de datos que los modelos puedan aprender se ha convertido en un nuevo desafío para cada vez más empresas de inteligencia encarnada.

Como empresa nacional de inteligencia encarnada, Qiongche Intelligence ha construido siempre una infraestructura robótica en torno al ciclo «datos—entrenamiento—despliegue». Recientemente, Qiongche Intelligence se asoció con Alibaba Cloud para desarrollar una línea de producción automatizada en la nube, con el objetivo de elevar el procesamiento de datos robóticos desde un modelo dependiente de mano de obra y operación en equipos individuales hacia un proceso industrial escalable que proporcione soporte continuo para la iteración de modelos.

01

En la era de los robots, lo verdaderamente escaso son los datos

Para la inteligencia embodied, el desafío de los datos no solo radica en "no poder recolectarlos", sino también en "no poder procesarlos".

Qiongche Intelligence utiliza el方案 UMI (Universal Manipulation Interface) para la recopilación de datos. Los operadores solo necesitan sostener el dispositivo y realizar acciones naturales como agarrar, abrir puertas y transportar objetos, y el dispositivo sincronizará automáticamente la grabación desde la primera perspectiva, la postura de la pinza, la trayectoria de movimiento, entre otros datos, proporcionando información de operación de alta calidad para el entrenamiento de robots.

Pero el verdadero desafío suele ocurrir después de la recolección.

Estos datos crudos requieren múltiples etapas complejas antes de poder utilizarse en el entrenamiento del modelo, como la recuperación de la pose, la calibración de cámaras ojo de pez, la segmentación de acciones y la anotación multimodal. La reconstrucción mediante SLAM visual consume una gran cantidad de potencia de GPU; las imágenes ojo de pez necesitan corrección de distorsión y calibración frame por frame; las acciones continuas deben dividirse en tareas atómicas individuales y acompañarse de descripciones en lenguaje natural; a medida que aumenta la escala de recolección, cientos de horas de datos de video generan una enorme carga computacional.

Estos trabajos no solo requieren una gran cantidad de cálculos, sino que todo el proceso implica múltiples etapas de procesamiento; si alguna etapa se interrumpe, puede afectar el cálculo reiniciado de todo el lote de datos. Para las empresas de inteligencia encarnada, el procesamiento de datos se está convirtiendo en una nueva capacidad de infraestructura, que requiere un sistema completo capaz de soportar capacidad de cómputo elástica, programación automática, seguimiento integral del proceso y colaboración en el entrenamiento de modelos.

02

Una línea de producción de datos que corre en la nube

¿Cómo acelerar el entrenamiento del robot?

Para resolver estos problemas, Qiongche Intelligence, en colaboración con Alibaba Cloud, ha desarrollado una tubería de datos y IA de extremo a extremo UMI Data + AI, con el objetivo de transformar los procesos de manejo de datos dispersos en una línea de producción de datos automatizada.

En la fase de procesamiento de datos, Alibaba Cloud MaxCompute MaxFrame proporciona capacidad de cómputo distribuido para dividir tareas como la corrección de distorsión de video, la recuperación de pose SLAM y la anotación multimodal, ejecutándolas en paralelo en recursos en la nube. Anteriormente, los cálculos a gran escala dependían de una sola máquina; ahora, la capacidad de cómputo puede escalarse flexiblemente según la magnitud de la tarea, mejorando la eficiencia general de procesamiento. Además, las capacidades de los modelos grandes se integran directamente en el flujo de procesamiento de datos, permitiendo la anotación semántica automática de segmentos de acción y reduciendo los costos de anotación manual.

Todo el proceso de procesamiento de datos está orquestado de forma unificada por DataWorks. Ya sea programación periódica, reejecución de datos históricos o recuperación automática ante anomalías, todo se puede realizar en una sola plataforma, reduciendo la intervención manual y garantizando el funcionamiento continuo y estable de toda la cadena de producción de datos.

Los datos procesados se ingresan a Hologres para su gestión unificada, proporcionando servicios de datos en tiempo real para la recuperación de muestras, la revisión de datos y la gestión del entrenamiento; posteriormente, se transfieren a la plataforma PAI para completar el entrenamiento del modelo, la optimización del rendimiento y la validación de despliegue, formando un ciclo completo que va desde la producción de datos hasta el entrenamiento del modelo y la retroalimentación de resultados.

Esta colaboración también ha generado resultados prácticos. El procesamiento de datos de Qiongche Intelligence logró la automatización de todo el flujo de trabajo, aumentando la capacidad total en más de 10 veces; la anotación multimodal se completó de forma escalable y automática, y la capacidad de cómputo en la nube puede expandirse elásticamente hasta más de 100.000 CU, mejorando la eficiencia del entrenamiento de modelos en aproximadamente un 50 %.

Para la industria de la inteligencia embódica, esta colaboración confirma un hecho: los datos de los robots también pueden establecer un sistema de producción de datos escalable y automatizado. Cuando la recopilación, procesamiento y entrenamiento de datos se convierten en procesos estandarizados, los modelos de robots lograrán velocidades de iteración más rápidas. A medida que la competencia en la industria se extiende desde las capacidades del modelo hasta la infraestructura de datos, la exploración de la capacidad de producción de datos se convertirá en una competencia clave en la próxima fase del desarrollo de la inteligencia embódica.