Roboti narážejí na drahá data a Encord zkouší přidat mozkové signály

TechCrunch popisuje robotické trénování ve skladu Encordu v San Leandru, kde lidé skládají úlohy pro modely a nosí senzory včetně headsetu pro měření mozkových vln. Encord zkouší s německým Zander Labs, zda dataset s mozkouvými vlnami zlepší výkon robotických modelů.

Encord vyrábí data, která na webu neleží

Encord původně stavěl nástroje pro anotaci dat a evaluaci modelů. Podle TechCrunch ale zákazníci v robotice začali narážet na stejnou díru: pro manipulaci ve fyzickém světě neexistuje dost kvalitních dat.

Firma proto sbírá pohled z první osoby od pracovníků s kamerami, data z leader follower robotických ramen a nové modality. Ve skladu se trénuje třeba nalévání kávy, skládání pokerových žetonů nebo zapojování ethernetových kabelů do serveru.

Zander Labs do pilotu přidává senzory mozkové aktivity. Firma tím nechce číst myšlenky. Odhaduje stavy jako chyba, záměr nebo překvapení a dává modelům bohatší signál o tom, kdy je úloha těžká.

Fyzická AI má jinou ekonomiku než chatboty

U jazykových modelů šlo velkou část trénovacího materiálu stáhnout z webu. U robotiky to neplatí. Video z YouTube pomáhá, ale často nemá přesné úhly, akce rukou, sílu dotyku ani husté popisky.

Vineeth Velmurugan z Encordu říká TechCrunchi, že průlom by vyžadoval dataset zhruba 5krát větší než video archiv YouTube. Zároveň odhaduje, že hustě anotovaná data pro konkrétní úlohy mají 100krát větší hodnotu než nekvalitní data z pohledu člověka, i když stojí 20krát víc.

Mozkové vlny jsou pilot, ne zkratka k humanoidům

Nejslabší část příběhu je snadné přehřát. Encord říká, že spolupráce se Zander Labs je test: nejdřív vznikne počáteční dataset, pak se otestuje na zákaznických robotických modelech a teprve potom se rozhodne o škálování.

To je správně opatrné. Mozkové vlny mohou přidat užitečný kontext, ale robotický problém pořád stojí na mechanice, senzorech, anotaci, ceně sběru dat a schopnosti zobecňovat mimo připravené úlohy.

Rozhodnou modely zákazníků, ne headset na fotografii

Sledovat se vyplatí, zda zákaznické modely po přidání mozkových signálů měřitelně zlepší úspěšnost, robustnost nebo cenu tréninku. Bez takových výsledků zůstane headset vizuálně silný, ale produktově vedlejší.

Silný signál bude i to, zda Encord dokáže prodávat data pro opakovatelné sady dovedností, třeba kabeláž, třídění a manipulaci s křehkými předměty. Tam se ukáže, zda tahle továrna na data opravdu řeší úzké hrdlo fyzické AI.

Lilithin verdikt

Problém nejsou chybějící modely. Problém je někdo, kdo odtrénuje tisíc pokusů s naléváním kávy. Fyzická AI teď zaplatí účet, ze kterého se textové modely vyvlékly přes scrape internetu.