Encord este una dintre puținele, dar tot mai numeroasele startup-uri care pariază că următoarea constrângere reală în domeniul roboților umanoizi și al roboticii de depozit nu va fi arhitectura modelelor, ci mai degrabă penuria acută de date fizice de antrenament din lumea reală. În loc să ajute doar companiile de robotică să își gestioneze datele existente, Encord construiește o afacere în jurul producerii datelor care lipsesc. Casca de unde cerebrale pe care o poartă Ceja a fost construită de Zander Labs, un startup german de neuroștiință care mizează pe măsurarea activității cerebrale – pentru a deduce stări mentale precum eroarea, intenția sau surpriza – pentru a crea seturi de date mai utile la antrenarea modelelor.
Colaborarea dintre Encord și Zander este, deocamdată, un experiment. Encord spune că scopul este să construiască un set de date inițial etichetat cu unde cerebrale, să îl ruleze prin modelele robotice ale clienților și să evalueze dacă îmbunătățește efectiv performanța, înainte de a decide dacă să îl extindă. Lukas Gehrke, neuroștiințificul Zander care supraveghează munca, explică faptul că nivelul de activitate cerebrală utilizat în orice moment al unei sarcini oferă indicii constructorilor de modele atunci când încearcă să stabilească momentul în care trebuie să implementeze modelele cu cel mai mare efort.
Aceasta este „muchia tăioasă” a efortului de a rezolva blocajul datelor în robotică, potrivit lui Vineeth Velmurugan, șeful departamentului de învățare robotică de la Encord. Veteran al laboratorului de roboți de la OpenAI și al Berkshire Grey, firma de automatizare a depozitelor, Velmurugan s-a alăturat Encord pentru a construi echipa internă de creare de date. Encord a fost fondată pentru a ajuta companiile care construiesc aplicații de viziune artificială să adnoteze date și să evalueze modele. Pe măsură ce clienții lor – Velmurugan spune că lucrează cu multe firme de robotică de top, dar nu este autorizat să le numească – au început să aplice învățarea end-to-end sarcinilor de manipulare robotică, conducerea companiei a realizat că va trebui să producă singură datele de antrenament, nu doar să le gestioneze.
„Datele pur și simplu nu există”, a spus Velmurugan. Pariul că inteligența artificială generativă poate face pentru roboți ceea ce a făcut pentru chatboți continuă să se lovească de același zid. Companiile de mașini cu conducere autonomă colectează singure date din lumea fizică, dar acest lucru este greu de extins. Antrenarea din videoclipuri poate funcționa, dar nu are fidelitatea datelor din lumea reală. Velmurugan estimează că va fi nevoie de un set de date de aproximativ cinci ori mai mare decât corpusul video al YouTube pentru a face progrese – o scară care explică de ce generarea de date a devenit o afacere, nu doar o problemă de cercetare.
Companiile care construiesc creiere pentru roboți apelează acum la două surse principale: videoclipuri „egocentrice” colectate de muncitori care poartă camere, adesea completate cu unghiuri suplimentare de cameră și alte metrici, și date de la roboți operați de la distanță. Encord face ambele: obține date egocentrice din mai multe fabrici din întreaga lume și folosește instalația din San Leandro pentru a experimenta cu noi modalități, cum ar fi undele cerebrale, sau pentru a colecta seturi de date în jurul unor abilități specifice pentru reglaj fin.
Când TechCrunch a vizitat, piloții foloseau sisteme „leader-follower” – brațe robotice pereche, unul controlat direct de un operator uman și celălalt care imită mișcările – pentru a crea date despre sarcini precum turnarea cafelei dintr-un ibric în căni (foarte zgomotos) și stivuirea jetoanelor de poker. „Fiecare companie de roboți umanoizi ne-a cerut aceste piese”, spune Velmurugan. Rafturile de depozitare conțineau cutii cu flori false în vaze, cărți, legume din plastic, tăvi și linguri pentru litieră, saci și mănunchiuri de fire – marfa de bază pentru antrenarea manipulatorilor pentru sarcini casnice. La una dintre aceste stații, o altă pilot, Sofia Infante, manevrează brațele robotice pentru a conecta și deconecta cabluri.
De ce este important:
Această abordare inovatoare, care îmbină neuroștiința cu robotica, ar putea rezolva una dintre cele mai mari piedici în dezvoltarea inteligenței artificiale fizice: lipsa datelor de antrenament din lumea reală. Dacă undele cerebrale pot oferi o modalitate mai eficientă de a înțelege intențiile și erorile umane, atunci roboții ar putea învăța mai rapid și mai precis, deschizând calea către o automatizare avansată în fabrici, depozite și chiar în casele noastre. Este un pas crucial către o eră în care roboții nu doar execută comenzi, ci înțeleg contextul și se adaptează în timp real.
