Die Grenze der physischen KI ist nicht nur ein Lagerhaus. Es ist ein Jenga-Turm.
In San Leandro, Kalifornien, in einer unscheinbaren Industrieanlage, die von Encord bewohnt wird, wird das Spiel immer schwieriger. Andrew Ceja spielt nicht nur. Er trainiert eine Maschine.
Ceja ist das, was Encord einen „Piloten“ nennt. Im Klartext ist er ein Robotertrainer. Er trägt ein Headset mit Kamera, um seine Perspektive einzufangen. Aber an seinem Kopf ist noch etwas anderes befestigt. Sensoren messen seine Gehirnströme.
Während er Holzklötze aus einem schwankenden Stapel zieht, zeichnet das System mehr als nur die visuellen Daten auf. Es fängt seine Absicht ein. Sein Fokus. Der genaue Zeitpunkt des Fehlers.
Das ist keine Science-Fiction. Es ist die neueste Wette im Wettlauf um den Bau funktionsfähiger humanoider Roboter.
Warum physische KI-Daten schwieriger sind als Text
Generative KI hat Chatbots revolutioniert, weil die Daten überall waren. Sie könnten Milliarden von Textdateien aus dem Internet entfernen. Es kostete fast nichts.
Physische KI funktioniert so nicht.
Die Trainingsdaten für Roboter liegen einfach nicht im benötigten Umfang vor. Noch nicht.
Vineeth Velmurugan weiß das gut. Er leitet das Roboterlernen bei Encord. Davor war er im Robotiklabor von OpenAI und bei Berkshire Grey tätig. Er kam zu Encord, weil das alte Modell zusammenbrach.
„Die Daten existieren einfach nicht“, sagte er.
Unternehmen, die Bildverarbeitungstools entwickeln, die lediglich der Datenverwaltung dienen. Jetzt müssen sie es schaffen. Für ein durchgängiges Lernen sind Manipulationsdaten aus der realen Welt erforderlich. Video allein? Nicht genug Treue. Natürlich sammeln selbstfahrende Autos ihre eigenen Daten. Aber das zu skalieren ist ein Albtraum.
Velmurugan hat eine Zahl, die jeden abschrecken sollte, der versucht, die LLM-Ökonomie für Roboter nachzubilden. Sie benötigen einen Datensatz, der ungefähr fünfmal so groß ist wie die gesamte Videobibliothek von YouTube.
Wie baut man das auf, ohne das Labor in den Bankrott zu treiben?
Sie stellen es her. Und Sie bezeichnen es als Neurowissenschaft.
Encord und Zander Labs: Den Geist messen
Das Headset, das Ceja trägt, stammt von Zander Labs. Es ist ein deutsches Neurowissenschafts-Startup. Sie sehen nicht nur zu, wie Sie sich bewegen. Sie messen die Gehirnaktivität, um daraus Rückschlüsse auf mentale Zustände zu ziehen.
Überraschung. Fehler. Absicht.
Dies ist ein Probelauf zwischen Encord und Zander. Das Ziel ist konkret: Erstellen eines ersten mit Gehirnwellen markierten Datensatzes. Führen Sie es durch Kunden-Robotikmodelle durch. Sehen Sie, ob sich die Leistung tatsächlich verbessert. Wenn ja, vergrößern sie es.
Ist dies nicht der Fall, drehen sie sich.
Lukas Gehrke, Neurowissenschaftler bei Zander, der die Arbeit betreut, erkennt sofort den praktischen Nutzen. Die Intensität der Gehirnaktivität während einer Aufgabe zeigt Modellbauern an, wann der Roboter Hilfe benötigt. Es markiert die „High-Effort“-Momente.
Das ist es, was Vineeth Velmurugan den „Bleeding Edge“ nennt.
Es ist auch teuer.
Die Ökonomie von „Junk-Ego-Daten“
Die meisten Unternehmen, die Robotergehirne bauen, greifen auf „egozentrische“ Daten zurück. Arbeiter tragen Kameras. Sie führen Aufgaben aus. Roboter schauen zu.
Encord macht das auch. Sie haben Piloten in Fabriken auf der ganzen Welt. Aber in San Leandro experimentieren sie.
An einer Station manövriert Sofia Infante Roboterarme, um Ethernet-Kabel in Server-Racks ein- und auszustecken. Betreiber von Rechenzentren träumen davon, dies zu automatisieren. Wenn Roboter nur die Präzision hätten.
Ich habe es selbst versucht.
Es ist schwer.
Roboterzangen verfügen nicht über die Freiheitsgrade menschlicher Finger. Sie sind ungeschickt. Infante hat die Geschicklichkeit. Ihr Gehirn verfügt über Mikroanpassungen. Der Roboter muss diese Anpassungen lernen. Das ist die Lücke.
Eine weitere neue Modalität sind Sensoren am Unterarm. Sie erkennen elektrische Signale in den Muskeln. Warum? Denn bei Videos von menschlichen Händen fehlt oft die Hand selbst. Es kommt zu Behinderungen. Winkelbeschränkungen.
Die Armsensoren füllen die Lücken. Sie helfen dabei, eine 3D-Karte der Handposition zu erstellen, auch wenn die Kamera sie nicht sehen kann.
Aber hier liegt der Haken an der wirtschaftlichen Seite.
Encord kommentiert ihre Datensätze. „Rechte Hand zieht Schraube fest.“ „Linke Hand schenkt Kaffee ein.“ Dichte Anmerkung.
Velmurugan behauptet, dass dieser Detaillierungsgrad für das Training spezifischer Aufgaben 100-mal mehr wert sei als „Junk-Ego-Daten“. Die Herstellung kostet nur das Zwanzigfache. Auf dem Papier ist es ein guter Handel.
Zwanzigmal mehr ist immer noch echtes Geld.
LLM-Macher kratzten Text nach Pennys. Physische Daten erfordern eine Fertigung. Es erfordert menschliche Arbeit. Es erfordert neurowissenschaftliche Ausrüstung. Die Ökonomie ist im Vergleich zur Software grundlegend kaputt.
Wer kauft diese Daten?
Encord arbeitet mit führenden Robotikunternehmen zusammen. Velmurugan kann sie nicht benennen. Sie fragen jedoch nach spezifischen Fähigkeitsdatensätzen.
Feinabstimmung.
In der Encord-Anlage sind Leader-Follower-Anlagen im Einsatz. Gepaarte Roboterarme. Man bewegt sich mit der Geschwindigkeit menschlicher Bediener. Der andere ahmt es nach.
Zu den Aufgaben gehört es, Kaffee ohne Schwappen einzuschenken. Pokerchips stapeln. Kunstblumen sortieren. Bücher. Plastikgemüse. Katzentoiletten. Beutel voller Draht.
Jedes humanoide Unternehmen will diese Stücke.
Velmurugan sieht alles von seinem Standpunkt aus. Er sitzt zwischen vielen Robotikunternehmen. Er weiß, was funktioniert. Er weiß, was scheitert. Startups und Grenzlabore versuchen gleichermaßen, die gleichen Probleme zu lösen.
Welche Datentechniken gewinnen an Bedeutung? Welche verpuffen?
Encord erkennt die Gewinner, bevor die Kunden überhaupt merken, dass sie verlieren.
Das hält die Piloten auf Trab.
Ceja, Infante – sie sind nicht nur Kommentatoren. Sie sind die Bausteine. Zuvor arbeiteten sie bei Scale, einem anderen Datenannotationsunternehmen. Jetzt sind sie hier, ziehen Blöcke von Türmen, stecken Kabel ein und gießen Kaffee ein.
Ceja war früher bei einem Abfallentsorgungsunternehmen für die Wartung eines Roboter-Müllsortierers zuständig. Die Technologie war sein Ausweg aus der manuellen Sortierung.
Jetzt bringt er Maschinen bei, wie man über das Stapeln von Blöcken nachdenkt.
„Es ist jeden Tag etwas Neues“, sagte er.
Der Turm stürzte um. Wieder.
Die Sensoren haben es aufgezeichnet. Das Modell hat gelernt.
Doch der Datenhunger hört nicht auf. Es wächst. Fünfmal so groß wie YouTube. Das ist kein kurzfristiges Problem. Es ist eine industrielle Herausforderung.
Wird Brainwave-Tagging der Schlüssel sein? Oder nur ein weiterer teurer Sensorstapel, der die Produktion verlangsamt?
Wir werden es erst wissen, wenn die Modelle tatsächlich funktionieren.
