Sber ha presentado Kandinsky WM 1.0, una novedosa familia de modelos generativos diseñada para la creación de datos de video que respetan rigurosamente las leyes de la física. Este desarrollo tecnológico está específicamente orientado a la formación de sistemas de inteligencia artificial física, aquellos que controlan robots, vehículos autónomos y equipos industriales, marcando un avance significativo en la simulación y el entrenamiento de estas tecnologías.
Superando la escasez de datos de entrenamiento
Uno de los desafíos más persistentes en el desarrollo de modelos de IA modernos es la necesidad de vastas cantidades de datos de entrenamiento. Se requieren millones de horas de grabaciones de video, cuya recopilación resulta ser un proceso extremadamente complejo y costoso. Kandinsky WM aborda esta problemática al permitir la generación de escenarios raros y potencialmente peligrosos, como accidentes, condiciones climáticas extremas o fallas de equipos, situaciones que son prácticamente imposibles de filmar en entornos reales.
Los modelos se fundamentan en Kandinsky 5.0 Video Lite, el cual ha sido reentrenado utilizando millones de grabaciones de video procedentes de cámaras de robots, vehículos autónomos e instalaciones industriales. Se ha puesto un énfasis particular en la plausibilidad física, asegurando que los objetos no se deformen, desaparezcan o se muevan de manera antinatural. Para los escenarios automotrices, se implementó el aprendizaje por refuerzo, donde modelos especializados evaluaron la calidad de los videos y proporcionaron retroalimentación para optimizar la generación.
Aplicaciones actuales y futuras
Actualmente, los modelos Kandinsky WM generan videos de aproximadamente cinco segundos de duración, los cuales representan acciones específicas como la manipulación de objetos, maniobras en carretera o etapas de procesos de producción. Estos modelos ya están siendo utilizados por el Centro de Robótica de Sber para el entrenamiento de robots y por el instituto AIRI para el desarrollo de un simulador de carretera.
El lanzamiento de Kandinsky WM 1.0 representa un paso fundamental hacia la creación de modelos mundiales completos, capaces de simular la evolución de una escena a lo largo del tiempo y funcionar como simuladores integrales para el entrenamiento de sistemas robóticos avanzados.
El código y los pesos de los modelos han sido liberados bajo la licencia MIT, lo que facilita su acceso y uso gratuito por parte de desarrolladores a nivel global. Esta apertura fomenta la innovación y la colaboración en el campo de la inteligencia artificial física, permitiendo que la comunidad tecnológica explore y expanda las capacidades de Kandinsky WM.
Impacto en la industria y la investigación
La capacidad de generar datos de entrenamiento realistas y físicamente precisos tiene implicaciones profundas para diversas industrias. Desde la manufactura avanzada hasta la logística y el transporte autónomo, la posibilidad de simular escenarios complejos y peligrosos sin incurrir en los riesgos y costos asociados a pruebas en el mundo real, acelera el desarrollo y la implementación de tecnologías de IA. La disponibilidad de estos modelos bajo una licencia abierta también democratiza el acceso a herramientas de simulación avanzadas, impulsando la investigación y el desarrollo en inteligencia artificial y robótica a una escala global.
