La solución de un fundador de 25 años a la "hambruna de datos" de la industria robótica ha atraído a inversores de peso, lo que indica un cambio de la construcción de robots a la captura de los datos que los entrenan.
La startup china de inteligencia corporal OriginFlow ha recaudado más de 500 millones de RMB (69 millones de dólares) en cinco meses, apostando a que su novedoso enfoque para capturar datos de movimiento humano puede resolver un cuello de botella crítico que dificulta el despliegue de robots de propósito general en hogares y fábricas.
"La industria se enfrenta a una 'hambruna de datos' universal", según las ideas del anuncio de financiación de la empresa. "La capacidad de generalización de los brazos robóticos no ha podido superar el cuello de botella, lo cual se debe esencialmente a la falta de suministro de datos de operación física de alta calidad".
La financiación, acumulada a través de las rondas Ángel, Estratégica y Pre-A1, fue liderada por Monolith, BlueRun Ventures y Oasis Capital, con inversión estratégica de 58.com. La tecnología "NeuroScale" de OriginFlow utiliza sensores de electromiografía de superficie (sEMG) para capturar las señales neuronales detrás de los movimientos musculares humanos, alejándose del estándar "EgoScale" de la industria basado en visión, que a menudo no logra capturar la fuerza y la retroalimentación táctil.
Al proporcionar datos de entrenamiento de mayor calidad, OriginFlow pretende desbloquear un vasto mercado para robots en entornos no estandarizados, posicionándose como un proveedor de infraestructura clave, o una jugada de "picos y palas", en la carrera por construir máquinas verdaderamente inteligentes. La inversión de 500 millones de RMB valora este enfoque centrado en los datos por encima de la construcción de los propios robots.
Un nuevo paradigma de datos
El núcleo de la tecnología de OriginFlow, desarrollada por el candidato a doctorado de la Universidad de Tsinghua de 25 años, Qin Shentao, es el paradigma "NeuroScale". Evita las limitaciones de la recopilación de datos basada puramente en la visión, que tiene dificultades con la oclusión de objetos y no puede medir directamente la fuerza o la retroalimentación táctil crucial para tareas de manipulación complejas. Al conectarse directamente con las señales nerviosas, el sistema captura la intención del usuario y la interacción física con un objeto.
Este enfoque tiene el potencial de mejorar drásticamente la destreza del robot, un desafío destacado por los desarrollos recientes en el sector más amplio de la automatización logística. Mientras que empresas como Locus Robotics están ampliando sus capacidades mediante adquisiciones para mejorar el agarre, como se señala en un informe reciente, OriginFlow está abordando el problema en la fuente de datos. La empresa afirma haber reducido el costo de su hardware de recopilación de datos sEMG al nivel de mil yuanes (aproximadamente 140 dólares), un requisito previo clave para la adopción masiva y la recopilación de datos a gran escala.
Del laboratorio al mercado
OriginFlow no se posiciona como un competidor de fabricantes de robots como Boston Dynamics o Figure AI, sino como un habilitador crucial para toda la industria. La alineación de inversores refleja una clara estrategia de salida al mercado. La compra estratégica de 58.com, un importante mercado en línea de servicios locales, apunta a una aplicación directa en entornos domésticos. OriginFlow puede aprovechar la red de 58.com para recopilar grandes cantidades de datos sobre tareas de alta frecuencia y no estandarizadas, como limpieza, cocina y clasificación, creando una valiosa base de datos de habilidades para robots de servicio doméstico.
La importante financiación para una empresa centrada en los datos refleja una tendencia más amplia en la IA, donde el acceso a datos patentados de alta calidad se está convirtiendo en un diferenciador clave. La plataforma de IA empresarial Unframe recaudó recientemente 50 millones de dólares gracias a la fuerte demanda de las empresas que buscan llevar proyectos de IA a producción, lo que subraya el apetito del mercado por soluciones que cierren la brecha entre la ambición de la IA y la ejecución en el mundo real.
Sin embargo, como empresa de cinco meses de antigüedad, OriginFlow se enfrenta a obstáculos importantes. La solidez de su tecnología debe demostrarse en entornos complejos del mundo real, como plantas de fábricas con interferencias electromagnéticas. Además, debe establecer un modelo de negocio duradero que evite convertirse en un proveedor de hardware de una sola vez, garantizando que sus datos y modelos sigan siendo indispensables para los fabricantes de robots a gran escala a largo plazo.
Este artículo es solo para fines informativos y no constituye asesoramiento de inversión.
