Roboter stoßen auf teure Daten und Encord testet Gehirnsignale

TechCrunch beschreibt die Schulung von Robotern im Lager von Encord in San Leandro, wo Menschen Aufgaben für Modelle erstellen, während sie Sensoren tragen, darunter ein Headset zur Messung von Gehirnwellen. Encord testet mit dem deutschen Zander Labs, ob ein mit Gehirnwellen gekennzeichneter Datensatz Robotermodelle verbessert.

Encord stellt Daten her, die das Web nicht bereitstellt

Encord entwickelte ursprünglich Tools für die Datenannotation und Modellevaluierung. Laut TechCrunch stießen die Robotikkunden auf die gleiche Lücke: Es gibt nicht genügend hochwertige Daten für die Manipulation in der physischen Welt.

Das Unternehmen sammelt jetzt egozentrische Videos von Arbeitern, die Kameras tragen, Daten von Roboterarmen und neuere Modalitäten. Zu den Aufgaben im Lager gehören das Einschenken von Kaffee, das Stapeln von Pokerchips und das Anschließen von Ethernet-Kabeln an einen Server.

Zander Labs fügt dem Piloten Sensoren für die Gehirnaktivität hinzu. Das Ziel ist nicht Gedankenlesen, sondern die Schätzung von Zuständen wie Fehlern, Absichten und Überraschungen, damit die Modelle ein reichhaltigeres Signal darüber erhalten, wann eine Aufgabe schwierig ist.

Physische KI hat eine andere Wirtschaftlichkeit als Chatbots

Für Sprachmodelle konnte ein Großteil des Schulungsmaterials aus dem Web extrahiert werden. Bei der Robotik ist das anders. YouTube-Videos helfen, aber oft fehlen präzise Kamerawinkel, Handbewegungen, Berührungskräfte und dichte Beschriftungen.

Vineeth Velmurugan von Encord erklärt gegenüber TechCrunch, dass ein Durchbruch möglicherweise einen Datensatz erfordert, der etwa fünfmal so groß ist wie der Videobestand von YouTube. Er schätzt auch, dass dicht kommentierte Daten für bestimmte Aufgaben 100-mal wertvoller sind als minderwertige egozentrische Daten, selbst wenn die Herstellung 20-mal mehr kostet.

Gehirnwellen sind ein Pilot, keine Abkürzung zu Humanoiden

Der einfachste Fehler besteht darin, den neurowissenschaftlichen Aspekt zu überhitzen. Encord sagt, die Arbeit mit Zander Labs sei ein Probelauf: einen anfänglichen Datensatz aufbauen, ihn in Kundenrobotermodellen testen und dann entscheiden, ob er skaliert werden soll.

Diese Vorsicht ist angebracht. Gehirnwellen können nützlichen Kontext hinzufügen, aber das Robotikproblem hängt immer noch von Mechanik, Sensoren, Anmerkungen, Datenerfassungskosten und der Fähigkeit ab, über vorbereitete Aufgaben hinaus zu verallgemeinern.

Kundenmodelle sind wichtiger als das Foto des Headsets

Das Signal, auf das man achten sollte, ist, ob Kundenmodelle die Erfolgsquote, Robustheit oder Trainingskosten nach dem Hinzufügen von Gehirnsignalen messbar verbessern. Ohne dies bleibt das Headset optisch stark, aber das Produkt ist zweitrangig.

Ein zweites starkes Signal wäre, dass Encord Daten für wiederholbare Fähigkeiten wie Verkabelung, Sortierung und Manipulation zerbrechlicher Gegenstände verkauft. Das wird zeigen, ob eine Datenfabrik wirklich den Engpass bei der physischen KI behebt.

Liliths Urteil

Das Problem sind nicht fehlende Modelle. Das Problem ist jemand, der tausend Kaffee-Einschenk-Versuche durchführt. Physische KI wird nun die Rechnung bezahlen, der Textmodelle entgangen sind, indem sie das Internet kratzten.