Lerrel Pinto (31 años), investigador en Informática de la Universidad de Nueva York (NYU), quiere que los robots domésticos hagan mucho más que pasar la aspiradora: "¿Cómo podemos crear robots que formen parte integral de nuestras vidas, hagan tareas domésticas, cuiden ancianos o ayuden en su rehabilitación, es decir, que estén ahí cuando los necesitemos?". 

El problema es que el entrenamiento de robots con múltiples habilidades requiere muchos datos. La solución de Pinto consiste en encontrar formas innovadoras de recopilarlos. En concreto, en conseguir que los robots los recopilen a medida que aprenden, un enfoque denominado aprendizaje auto-supervisado (una técnica también defendida, entre otros, por Yann LeCun, científico jefe de IA de Meta y colega de Pinto en la NYU). 

Desde hace décadas existe la idea de crear un robot doméstico capaz de hacer el café o de fregar los platos, pero esas máquinas siguen en el área de la ciencia ficción. Los últimos avances en otras áreas de la IA, especialmente los grandes modelos de lenguaje, se entrenaron con grandes conjuntos de datos extraídos de internet. No se puede hacer eso con robots, afirma Pinto.  

Pinto alcanzó uno de sus primeros hitos en 2016, cuando creó la mayor base de datos robóticos del mundo. Lo consiguió haciendo que los robots crearan y etiquetaran sus propios datos de entrenamiento funcionando 24 horas al día, 7 días a la semana, sin supervisión humana. 

Desde entonces, Pinto y sus compañeros han desarrollado algoritmos de aprendizaje que permiten a un robot mejorar a medida que falla. Un brazo robótico puede fallar muchas veces al tratar de agarrar un objeto, pero los datos de esos intentos pueden utilizarse para entrenar a un modelo que tenga éxito. El equipo ha demostrado la utilidad de este método con un brazo robótico y con un dron, convirtiendo cada objeto que se cae o cada colisión en una lección ganada a pulso.