BitRobot, una red de robótica construida sobre Solana, ha liberado 2.000 horas de datos de navegación urbana como material de código abierto, con el objetivo de abordar uno de los mayores obstáculos de la inteligencia artificial incorporada: obtener grandes volúmenes de datos de interacción del mundo real.

El proyecto está desarrollando un mercado descentralizado de conjuntos de datos de robótica, utilizando tecnología blockchain para rastrear las contribuciones y recompensar a los participantes. El enfoque busca ser una alternativa a las instalaciones centralizadas de teleoperación, donde grandes equipos de trabajadores operan robots de forma remota para generar datos de entrenamiento.

El recién liberado conjunto de datos FrodoBots-2K contiene 2.000 horas de datos de navegación urbana —muy por encima de las aproximadamente 60 horas disponibles en conjuntos de datos públicos anteriores—, lo que otorga a los investigadores de IA un recurso considerablemente mayor para entrenar sistemas de navegación.

De robots de acera controlados remotamente a datos abiertos de IA

BitRobot fue fundado originalmente bajo el nombre de FrodoBots, con un trabajo inicial centrado en robots de acera controlados remotamente por jugadores. Los participantes operaban las máquinas durante actividades tipo búsqueda del tesoro, generando datos a partir de escenarios de navegación en el mundo real.

Esa información fue posteriormente compilada en FrodoBots-2K y puesta a disposición del público. Según el informe, equipos asociados con DeepMind, Meta y la Universidad de California, Berkeley, ya han utilizado el conjunto de datos para desarrollar modelos de navegación.

El proyecto sostiene que los datos del mundo real siguen siendo una de las limitaciones más significativas para el desarrollo de la robótica. Jonathan Victor, presidente de BitRobot, ha argumentado que las necesidades de la industria van más allá de la capacidad de cómputo y la arquitectura de los modelos, porque los robots deben aprender de entornos e interacciones impredecibles y no exclusivamente de condiciones controladas de laboratorio. El desafío refleja la trayectoria de los grandes modelos de lenguaje, que avanzaron rápidamente una vez que estuvieron disponibles corpus de texto a escala de internet; a la IA incorporada le ha faltado una fuente equivalente de datos de interacción física, y las liberaciones abiertas como FrodoBots-2K son un intento de cerrar esa brecha.

Para abordar este desafío, BitRobot ha establecido subredes específicas por tarea, diseñadas para recopilar distintas categorías de datos de robótica. Estas abarcan la navegación urbana, así como tareas que implican destreza física, lo que permite a la red enfocarse en conjuntos de datos especializados en lugar de depender de un único sistema centralizado de recolección.

Cámaras portátiles amplían la recolección de datos

Una de las principales herramientas de BitRobot es RoboCap, un dispositivo portátil con un precio de aproximadamente 1.000 dólares equipado con seis cámaras. El equipo graba video en primera persona y movimientos de las manos, lo que permite recopilar datos mientras las personas realizan tareas cotidianas en entornos como panaderías y fábricas.

La compañía planea distribuir los dispositivos entre trabajadores y otros colaboradores para ampliar la gama de escenarios del mundo real representados en sus conjuntos de datos. Se espera que los participantes reciban recompensas según la novedad y utilidad de la información que aporten.

Un mecanismo de puntuación está diseñado para favorecer situaciones inusuales o valiosas por encima de datos repetitivos, lo que podría incentivar a los colaboradores a capturar escenarios poco probables de surgir en operaciones convencionales de recolección de datos altamente controladas.

Solana proporciona la infraestructura blockchain

Solana sirve como infraestructura blockchain subyacente de BitRobot, respaldando el rastreo de contribuciones, la contabilidad y los pagos. Sus costos de transacción relativamente bajos buscan hacer práctico compensar a los participantes en una red distribuida geográficamente.

Victor ha destacado las herramientas para desarrolladores de Solana y su comunidad de desarrolladores consolidada como factores clave detrás de la decisión de construir el proyecto en esa blockchain.

BitRobot también utiliza credenciales Access ID para que los colaboradores construyan reputaciones relacionadas con la robótica. Los participantes pueden ganar recompensas digitales conocidas como Bolts por sus contribuciones, creando un sistema diseñado para vincular participación, reputación y compensación.

Al combinar conjuntos de datos abiertos, hardware portátil de recolección de datos e incentivos basados en blockchain, BitRobot busca crear una red de robótica en la que los colaboradores aporten datos valiosos del mundo real y compartan los beneficios que estos generan.

La propiedad de los datos podría moldear la competencia en robótica

El desarrollo del proyecto llega mientras la IA incorporada se convierte en un área de investigación cada vez más importante, con empresas e instituciones académicas buscando mejores formas de entrenar robots para tareas del mundo físico. Las grandes firmas tecnológicas han invertido fuertemente en programas de aprendizaje para robots, y el acceso a conjuntos de datos escasos del mundo real se ha convertido en un factor competitivo entre ellas —una razón por la que liberaciones abiertas como FrodoBots-2K, que reducen la barrera para laboratorios más pequeños e investigadores independientes, atraen atención en todo el campo.

Para Solana, BitRobot representa otra aplicación potencial más allá de las transacciones financieras y la actividad especulativa. SOL cotizaba a 104,60 dólares al 7 de septiembre de 2026, con una caída del 0,66 % en las 24 horas anteriores, aunque el desempeño del token en el mercado es independiente de la tecnología subyacente de la red.

Las perspectivas a largo plazo de BitRobot dependerán de si su modelo descentralizado puede producir conjuntos de datos de mayor calidad y más diversos a un costo competitivo en comparación con las alternativas centralizadas. Si tiene éxito, el modelo impulsado por la red podría dar a los desarrolladores de robótica un acceso más amplio a datos de entrenamiento del mundo real, mientras crea nuevos incentivos para que individuos y empresas aporten información que antes era difícil de recopilar.