ロボットが高価なデータ制限に直面し、Encordは脳信号をテスト

TechCrunchは、Encordのサンレアンドロの倉庫内でのロボット工学のトレーニング作業について説明しています。そこでは、脳波を測定するヘッドセットなどのセンサーを装着した人々が、モデルのタスクを作成しています。EncordはドイツのZander Labsと提携し、脳波でタグ付けされたデータセットがロボット工学モデルを改善するかどうかをテストしています。

EncordはWebでは提供されないデータを製造している

Encordは当初、データの注釈とモデルの評価のためのツールを構築しました。TechCrunchによると、ロボット工学の顧客は同じギャップに直面しました。物理的な世界での操作のための高品質なデータが不足しているのです。

同社は現在、カメラを装着した作業員からのエゴセントリック・ビデオ、ロボットアームからのデータ、および新しいモダリティを収集しています。倉庫のタスクには、コーヒーを注ぐこと、ポーカーチップを重ねること、イーサネットケーブルをサーバーに接続することなどがあります。

Zander Labsはパイロットに脳活動センサーを追加します。目的は読心術ではなく、エラー、意図、驚きなどの状態を推定し、タスクが難しいタイミングについてモデルがより豊富なシグナルを受け取れるようにすることです。

物理AIはチャットボットとは経済学が異なる

言語モデルの場合、トレーニング資料の多くはWebから収集できました。ロボット工学は違います。YouTubeビデオは役に立ちますが、正確なカメラアングル、手の動き、タッチ力、密集したラベルが不足していることがよくあります。

EncordのVineeth Velmurugan氏はTechCrunchに対し、ブレークスルーにはYouTubeのビデオ・コーパスの約5倍の大きさのデータセットが必要になる可能性があると語っています。また、特定のタスクに関する密集して注釈が付けられたデータは、たとえ作成に20倍の費用がかかっても、低品質のエゴセントリック・データよりも100倍の価値があると彼は推定しています。

脳波はパイロット版であり、人型ロボットへの近道ではない

最も陥りやすい間違いは、神経科学の側面を過熱させることです。Encordは、Zander Labsとの作業は試験運用であると述べています。初期データセットを構築し、顧客のロボットモデルでテストしてから、拡張するかどうかを決定するとのことです。

その注意は適切です。脳波は役立つコンテキストを追加する可能性がありますが、ロボット工学の問題は依然として、力学、センサー、注釈、データ収集コスト、および準備されたタスクを超えて一般化する能力に依存しています。

ヘッドセットの写真よりも顧客モデルが重要

注目すべきシグナルは、脳のシグナルを追加した後、顧客モデルが成功率、堅牢性、またはトレーニングコストを測定可能なレベルで改善するかどうかです。それがなければ、ヘッドセットは視覚的には強力ですが、製品としては二次的なものにとどまります。

2つ目の強力なシグナルは、Encordがケーブル配線、仕分け、壊れやすい物体の操作など、再現可能なスキルセットのデータを販売することです。これは、データファクトリが実際に物理AIのボトルネックに対処しているかどうかを示します。

Lilithの判定

問題はモデルの欠落ではありません。問題はコーヒーを注ぐ千回の試行を行う誰かです。物理AIは今や、テキストモデルがインターネットをスクレイピングすることで回避した請求書を支払うことになります。