Carbon Robotics está llevando la era de los modelos fundacionales al campo. La compañía reemplazó su colección de modelos de visión específicos por cultivo con un único "modelo grande de plantas" que entiende la estructura vegetal a través de regiones y especies, lo que permite a los agricultores ajustar al instante su deshierbadora láser a su propia definición de qué es cultivo y qué es maleza.
A diferencia de los sistemas de visión tradicionales, que exigen un reentrenamiento lento cada vez que se introduce un cultivo, una maleza o una geografía nueva, el modelo de Carbon viene preentrenado sobre millones de imágenes de plantas en etapa temprana recolectadas en todo el mundo y luego se personaliza en terreno. Usando una aplicación de iPad, el agricultor revisa miniaturas de sus propios campos y etiqueta un puñado como "cultivo" o "maleza".
¿Cómo se personaliza el modelo en el campo?
Con esa herramienta y el nuevo modelo fundacional, según Carbon Robotics el agricultor puede personalizar la deshierbadora autónoma para eliminar exactamente las plantas que quiere sacar de su predio. Incluso si esas plantas son deseables en otra región o en otro sector de la misma explotación, el productor puede redefinir el objetivo del láser para cada despliegue.
Esos ejemplos se alimentan al modelo fundacional, que ajusta su comportamiento de inmediato, sin desplegar modelos nuevos ni descargar software. El mismo modelo global puede eliminar malezas selectivamente en un campo de zanahorias en Arizona y luego pasar a lechugas o hierbas en otra explotación con apenas minutos de configuración.
| Enfoque | Cómo se adapta a un cultivo nuevo | Tiempo |
|---|---|---|
| Modelos de visión por cultivo | Requiere recolectar datos y reentrenar el modelo | Semanas o meses |
| Modelo fundacional de plantas | El agricultor etiqueta miniaturas en un iPad | Minutos |
Cuando la deshierbadora LaserWeeder mata la maleza, los nutrientes de esa planta vuelven al suelo y fertilizan el cultivo.
El cambio técnico según el director de tecnología
Alex Sergeev, director de tecnología de Carbon Robotics, conversó con The Robot Report sobre las capacidades de la compañía.
"Lo que tuvimos que hacer fue construir un proceso que permita a los agricultores darle ejemplos al modelo, y que ese modelo no necesite tiempo para reentrenar, sino que funcione instantáneamente", explicó. "El modelo puede entender diferencias. Usa ejemplos y es capaz de comparar esos ejemplos con las plantas que vemos en el campo a muy alta velocidad. Son principios fundamentalmente distintos".
Sergeev agregó que el cambio está en lo que el modelo entrega como salida. En vez de decir "esta es mi confianza en que esto es maleza" y "esta es mi confianza en que esto es cultivo", el sistema "te da una forma de comparar entre esta planta y todas las plantas que el agricultor te dijo que son cultivos y que son malezas. Esa es la diferencia, y eso tiene que ocurrir muy rápido".
¿Quién etiquetó los datos de entrenamiento?
Etiquetar los datos y entrenar el modelo fundacional de plantas fue una tarea enorme. Para lograrlo, Carbon Robotics se asoció con iMerit, la compañía de anotación de datos que aportó los recursos de entrenamiento y el flujo de trabajo para ingerir los millones de imágenes necesarias.
"Al principio hacíamos el etiquetado nosotros mismos", contó Sergeev. "Éramos muy chicos, íbamos todos al campo y después, en la tarde, nos juntábamos en una pieza de hotel a etiquetar imágenes. Como te imaginarás, no era escalable. Así que en 2020 salimos a buscar un socio de etiquetado, y ahí encontramos a iMerit. Probablemente hicimos unas 2.000 imágenes en toda nuestra vida de etiquetado propio, y ellos llevan un millón a esta altura".
La empresa desarrolló además una herramienta propia para su estilo específico de etiquetado y se la entregó a iMerit. "Podíamos actualizar la herramienta según la innovación que hiciera el equipo de aprendizaje", dijo Sergeev, "y también según su retroalimentación o su factibilidad. Fue muy sinérgico: pudimos construir esta herramienta rápido con su retroalimentación, y ellos pudieron usarla de forma efectiva".
Carbon ATK: ahora le toca al tractor
La próxima área de innovación de Carbon Robotics es automatizar el tractor. La compañía lanzó hace poco Carbon ATK, un kit de autonomía diseñado para adaptar tractores John Deere de las series 6R, 8R, 8RX y 8RT del año 2019 en adelante, sin modificaciones permanentes.
El kit incluye las cámaras y sensores necesarios para la percepción y el seguimiento de posición. Con esos sensores a bordo, la unidad puede realizar evasión de obstáculos, planificación de trayectoria, seguimiento y definición de misiones.
Un tractor equipado con Carbon ATK y un implemento inteligente de Carbon Robotics queda totalmente autónomo y es capaz de ejecutar misiones de deshierbe sin conductor. Además, el tractor autónomo puede desplegarse en otras faenas agrícolas como labranza, pulverización y cosecha.
¿Tiene sentido esto para la agricultura chilena?
El ángulo relevante para la región no es el láser en sí, sino qué tan barato resulta adaptarlo. Un modelo por cultivo obliga a que el proveedor invierta en datos de cada especie y cada geografía antes de vender el equipo, y ese costo explica por qué esta clase de maquinaria se despliega primero en los cultivos de mayor superficie de Estados Unidos. Un modelo que se ajusta con un puñado de fotos tomadas en el propio predio mueve esa barrera: la personalización deja de depender del fabricante. Para la fruta y las hortalizas de exportación, donde la presión por reducir herbicidas viene de los mercados de destino, esa diferencia es la que decide si la tecnología llega o no.
