51World richt zich op het dataprobleem achter humanoïde robots

Het doel is om waarneming en fysieke actie in één dataset samen te brengen. Een opname laat dan niet alleen zien welk object zich in beeld bevindt, maar ook welke bewegingen en handinteracties nodig zijn om een taak uit te voeren. Dat kan vooral relevant zijn voor robots die nauwkeurige, fijnmotorische handelingen moeten leren.

Wat AperOS met de opnames doet

AperOS ontvangt de verschillende datastromen van AperEgo en controleert de opnames voordat ze worden geüpload en verder verwerkt. Volgens 51World verwijdert het platform data die als ongeldig wordt beschouwd. Daardoor zouden minder opslagruimte en rekenkracht nodig zijn, terwijl een bruikbaardere dataset voor modelontwikkeling overblijft.

De voorgestelde workflow ziet er als volgt uit:

1. Vastleggen: AperEgo registreert beeld, beweging en audio terwijl iemand een taak uitvoert.
2. Handbewegingen toevoegen: Apparaten voor pols en vingers leggen vast hoe iemand reikt, grijpt en voorwerpen manipuleert.
3. Synchroniseren: De verschillende sensorkanalen worden op elkaar afgestemd, zodat ze dezelfde handeling beschrijven.
4. Filteren: AperOS verwijdert volgens 51World ongeldige gegevens vóór het uploaden en de verdere verwerking.
5. Voorbereiden op training: De overgebleven dataset kan worden gebruikt voor de ontwikkeling van embodied-AI-modellen en robotleersystemen.

Claim van 99 procent precisie

Topman Li Yi zegt dat de combinatie van hardware en software de precisie van de data kan verhogen tot 99 procent. Volgens hem kan die hogere precisie leiden tot nauwkeuriger en efficiënter robotleren, met verbeteringen in dataverzameling, datagebruik, modeltraining en generalisatie naar nieuwe situaties.

Die 99 procent is echter een claim van 51World en geen onafhankelijk gevalideerd benchmarkresultaat. De beschikbare berichtgeving bevat geen extern testprotocol, vergelijkingsdataset of onafhankelijke controle van dit cijfer. Schonere demonstraties kunnen de training verbeteren, maar het uiteindelijke gedrag van een robot hangt ook af van het model, de robotica, de taak, de werkomgeving en de manier waarop prestaties worden gemeten.

Waarom deze datalaag belangrijk wordt

Humanoïde robots moeten waarneming en beweging kunnen coördineren in omgevingen die voortdurend veranderen. Menselijke demonstraties van hoge kwaliteit kunnen ontwikkelaars helpen om robots betrouwbaarder te leren omgaan met objecten, ruimtes en complexe handelingen. 51World bouwt met AperEgo en AperOS dus niet zelf een humanoïde robot, maar richt zich op de data-infrastructuur achter embodied AI.

De ontwikkeling komt op een moment waarop China humanoïde robots op grotere schaal probeert te commercialiseren. Onderzoeksbureau TrendForce verwacht dat de Chinese markt voor humanoïde robots in 2026 15 miljard yuan (2,2 miljard dollar) waard zal zijn. Voor 2027 voorziet het bureau een groei van minstens 60 procent, terwijl productie en toepassingen zich uitbreiden in onder meer de auto-industrie, elektronica, lucht- en ruimtevaart, logistiek en energie.

Die prognose bewijst niet dat AperEgo of AperOS deze groei zullen aanjagen. Ze maakt wel duidelijk waarom systemen voor het verzamelen, opschonen en organiseren van fysieke trainingsdata strategisch belangrijker worden. Naarmate robots de stap maken van demonstraties naar praktisch gebruik, hebben ontwikkelaars herhaalbare en bruikbare voorbeelden op schaal nodig.