כך 51World מנסה לפתור את מחסור נתוני האימון של רובוטים דמויי אדם

הבעיה: רובוטים זקוקים ליותר מסרטוני הדגמה

אחד החסמים המרכזיים בדרך לבינה מלאכותית שמסוגלת לפעול בעולם הפיזי הוא מחסור בנתוני אימון אמינים מהעולם האמיתי. רובוט אינו צריך ללמוד רק מה אדם רואה; הוא צריך להבין גם כיצד אדם נע, מקשיב, מושיט יד, אוחז בחפץ ומתמרן אותו.

חברת 51World, שבסיסה בבייג'ינג ומוכרת גם בזכות טכנולוגיות של תאומים דיגיטליים וסימולציה, הציגה מערכת חומרה ותוכנה שנועדה לתעד את ההדגמות האלה בצורה מסודרת יותר.

מה הציגה 51World?

בלב המערכת נמצאת AperEgo — מערכת לבישה ללכידת נתונים, הכוללת קסדה עם כמה מצלמות, התקנים לפרקי הידיים וחומרה לאצבעות. לצדה הציגה החברה את AperOS, פלטפורמת תוכנה שנועדה לעבד ולנהל את הנתונים הרב-ערוציים שנאספים.

המוצרים הם חלק מהיצע רחב יותר של 51World בתחום הבינה המלאכותית הגופנית. באירוע ההשקה שנערך ב-18 באוגוסט הציגה החברה גם את AperData, תשתית נתונים לבינה מלאכותית גופנית, ואת AperOne, פלטפורמת יישומים בתחום.

איך AperEgo אוספת נתוני אימון?

אדם לובש את הציוד בזמן שהוא מבצע משימה. הקסדה מתעדת תמונה פנורמית מנקודת מבטו של המשתמש, כך שמודל בינה מלאכותית מקבל תיעוד חזותי של הסביבה כפי שהאדם רואה אותה. החיישנים מסנכרנים בין נתוני הראייה, התנועה והשמע, ואילו ההתקנים שעל פרקי הידיים ובאצבעות מוסיפים מידע מפורט על תנועות הזרוע, כף היד והאצבעות.

השילוב הזה נועד לחבר בין תפיסה לבין פעולה פיזית. הקלטה אחת יכולה לכלול לא רק את הסצנה שמול האדם, אלא גם את התנועה ואת האופן שבו ידיו מתקשרות עם חפצים במהלך ביצוע המשימה — מידע שרלוונטי במיוחד ללימוד פעולות עדינות כמו אחיזה, הרמה ותמרון.

מה עושה AperOS עם הנתונים?

פלטפורמת AperOS מקבלת את הנתונים הרב-ערוציים מ-AperEgo ובודקת אותם לפני העלאה ועיבוד נוסף. לפי 51World, המערכת מסירה הקלטות לא תקינות, וכך מפחיתה את כמות האחסון ואת משאבי המחשוב הנדרשים, תוך יצירת מאגר שימושי יותר לפיתוח מודלים.

תהליך העבודה שהחברה מתארת כולל:

1. תיעוד: AperEgo אוספת מידע חזותי, תנועתי וקולי מנקודת מבטו של אדם שמבצע משימה.
2. הוספת מידע על הידיים: התקני פרק היד והאצבעות מתעדים תנועות של הושטת יד, אחיזה ומניפולציה בחפצים.
3. סנכרון: זרמי החיישנים השונים מיושרים כך שיתארו את אותה פעולה באותו רצף זמן.
4. סינון: AperOS מסירה מידע שהחברה מגדירה כלא תקין לפני העלאה ועיבוד נוסף.
5. הכנה לאימון: הנתונים שנותרו יכולים לשמש לפיתוח מודלים של בינה מלאכותית גופנית ולשיפור תהליכי הלמידה של רובוטים.

מהי מידת הדיוק שהחברה טוענת לה?

לי יי, מנכ"ל 51World, אמר כי מערכת החומרה והתוכנה המשולבת יכולה להעלות את דיוק הנתונים ל-99%. לדבריו, דיוק גבוה יותר עשוי לאפשר לרובוטים ללמוד בצורה מדויקת ויעילה יותר, עם שיפור נטען באיסוף הנתונים, בניצולם, באימון המודלים וביכולת ההכללה שלהם.

חשוב להדגיש: מדובר בטענות של 51World, ולא בתוצאות של מבחן ביצועים שאומת באופן עצמאי. הדיווחים הזמינים מתארים את היכולות שעליהן הצהירה החברה, אך אינם מציגים פרוטוקול בדיקה חיצוני, מאגר השוואה או אימות בלתי תלוי לנתון של 99%.

נתוני הדגמה נקיים ומדויקים יותר עשויים לשפר את האימון, אך ההתנהגות הסופית של רובוט תלויה גם במודל, בחומרה, במשימה, בסביבת ההפעלה ובאופן שבו מודדים הצלחה.

למה שכבת הנתונים חשובה לרובוטים דמויי אדם?

רובוטים דמויי אדם צריכים לתאם בין תפיסה לתנועה בסביבות פיזיות משתנות. הדגמות איכותיות של בני אדם עשויות לסייע למפתחים ללמד אותם כיצד להגיב בצורה אמינה יותר לחפצים, למרחבים ולמשימות מוטוריקה עדינה. במובן הזה, 51World אינה מציגה רובוט דמוי אדם חדש, אלא מתמקדת בתשתית הנתונים שמאחורי הבינה המלאכותית הגופנית.

ההשקה מגיעה בזמן שסין מנסה להעביר את תחום הרובוטיקה דמוית האדם משלב האבטיפוס ליישומים מסחריים רחבים יותר. חברת המחקר TrendForce מעריכה ששוק הרובוטים דמויי האדם בסין יגיע ל-15 מיליארד יואן, שהם כ-2.2 מיליארד דולר, ב-2026, וימשיך לצמוח בלפחות 60% ב-2027, עם התרחבות הייצור והיישומים בתעשיות כמו רכב, אלקטרוניקה, תעופה וחלל, לוגיסטיקה ואנרגיה.

התחזית הזו אינה מוכיחה ש-AperEgo או AperOS יובילו את הצמיחה. היא כן ממחישה מדוע כלים לאיסוף, סינון וארגון של נתונים מהעולם הפיזי הופכים לחשובים אסטרטגית: ככל שיותר רובוטים עוברים מהדגמות לפריסה מעשית, המפתחים זקוקים לצינורות נתונים שמסוגלים לייצר דוגמאות עקביות ושימושיות בקנה מידה גדול.