Batas depan AI fisik bukan hanya gudang. Itu adalah menara Jenga.
Di San Leandro, California, di dalam unit industri mencolok yang ditempati oleh Encord, permainan menjadi semakin berat. Andrew Ceja tidak sekadar bermain. Dia sedang melatih mesin.
Ceja adalah apa yang Encord sebut sebagai “pilot”. Dalam bahasa Inggris yang sederhana, dia adalah pelatih robot. Dia memakai headset yang dilengkapi dengan kamera untuk menangkap sudut pandangnya. Tapi ada hal lain yang melekat di kepalanya. Sensor mengukur gelombang otaknya.
Saat ia menarik balok kayu dari tumpukan yang terhuyung-huyung, sistem mencatat lebih dari sekadar data visual. Itu menangkap niatnya. Fokusnya. Momen kesalahan yang tepat.
Ini bukan fiksi ilmiah. Ini adalah pertaruhan terbaru dalam perlombaan untuk membangun robot humanoid yang fungsional.
Mengapa data AI fisik lebih sulit daripada teks
AI generatif merevolusi chatbot karena datanya ada di mana-mana. Anda dapat mengikis miliaran file teks dari internet. Hampir tidak ada biaya.
AI fisik tidak bekerja seperti itu.
Data pelatihan untuk robot tidak tersedia pada skala yang dibutuhkan. Belum.
Vineeth Velmurugan mengetahui hal ini dengan baik. Dia mengepalai pembelajaran robot di Encord. Sebelumnya, dia berada di lab robotika OpenAI dan Berkshire Grey. Dia bergabung dengan Encord karena model lamanya rusak.
“Datanya tidak ada,” katanya.
Perusahaan yang membuat alat visi mesin biasanya hanya mengelola data. Sekarang mereka harus berhasil. Pembelajaran end-to-end membutuhkan manipulasi data di dunia nyata. Video saja? Kesetiaan tidak cukup. Mobil self-driving mengumpulkan datanya sendiri, tentu saja. Namun penskalaan itu adalah mimpi buruk.
Velmurugan memiliki nomor yang seharusnya membuat takut siapa pun yang mencoba meniru ekonomi LLM untuk robot. Anda memerlukan kumpulan data kira-kira lima kali ukuran keseluruhan perpustakaan video YouTube.
Bagaimana Anda membangunnya tanpa membuat laboratorium bangkrut?
Anda memproduksinya. Dan Anda menandainya dengan ilmu saraf.
Encord dan Zander Labs: Mengukur pikiran
Headset yang dipakai Ceja berasal dari Zander Labs. Ini adalah startup ilmu saraf Jerman. Mereka tidak hanya melihat Anda bergerak. Mereka mengukur aktivitas otak untuk menyimpulkan kondisi mental.
Kejutan. Kesalahan. Maksud.
Ini adalah uji coba antara Encord dan Zander. Tujuannya spesifik: membuat kumpulan data awal yang diberi tag gelombang otak. Jalankan melalui model robotika pelanggan. Lihat apakah kinerja benar-benar meningkat. Jika ya, mereka akan meningkatkannya.
Jika tidak, mereka melakukan pivot.
Lukas Gehrke, ahli saraf di Zander yang mengawasi penelitian ini, langsung melihat nilai praktisnya. Intensitas aktivitas otak selama suatu tugas memberi tahu pembuat model kapan robot membutuhkan bantuan. Ini menandai momen “usaha besar”.
Inilah yang disebut Vineeth Velmurugan sebagai “tepi berdarah”.
Itu juga mahal.
Ekonomi “data ego bermutu rendah”
Sebagian besar perusahaan yang membangun otak robot beralih ke data “egosentris”. Pekerja memakai kamera. Mereka melakukan tugas. Robot menonton.
Encord juga melakukan ini. Mereka memiliki pilot di pabrik-pabrik di seluruh dunia. Namun di San Leandro, mereka sedang bereksperimen.
Di satu stasiun, Sofia Infante menggerakkan lengan robot untuk memasang dan mencabut kabel Ethernet dari rak server. Operator pusat data bermimpi untuk mengotomatisasi hal ini. Andai saja robot memiliki ketepatan.
Saya mencobanya sendiri.
Itu sulit.
Penjepit robot tidak memiliki derajat kebebasan seperti jari manusia. Mereka kikuk. Infante memiliki ketangkasan. Otaknya memiliki penyesuaian mikro. Robot perlu mempelajari penyesuaian tersebut. Itulah kesenjangannya.
Modalitas baru lainnya melibatkan sensor di lengan bawah. Mereka mendeteksi sinyal listrik di otot. Mengapa? Karena video tangan manusia sering kali luput dari tangan itu sendiri. Hambatan terjadi. Batasan sudut.
Sensor lengan mengisi celah tersebut. Mereka membantu membuat peta 3D posisi tangan meskipun kamera tidak dapat melihatnya.
Tapi inilah masalahnya dengan perekonomian.
Encord memberi anotasi pada kumpulan datanya. “Tangan kanan mengencangkan baut.” “Tangan kiri menuangkan kopi.” Anotasi padat.
Velmurugan claims this level of detail is worth 100 times more than “junky ego data” for training specific tasks. Biaya pembuatannya hanya 20 kali lebih mahal. On paper, it’s a good trade.
Dua puluh kali lebih banyak masih merupakan uang sungguhan.
Pembuat LLM mengambil teks untuk mendapatkan uang. Data fisik memerlukan manufaktur. Itu membutuhkan tenaga manusia. It requires neuroscience gear. Perekonomian pada dasarnya rusak dibandingkan dengan perangkat lunak.
Siapa yang membeli data ini?
Encord bekerja dengan perusahaan robotika terkemuka. Velmurugan tidak bisa menyebutkan nama mereka. Namun mereka meminta kumpulan data keterampilan khusus.
Penyempurnaan.
Di fasilitas Encord, rig pemimpin-pengikut sedang berjalan. Lengan robot berpasangan. Seseorang bergerak dengan kecepatan operator manusia. Yang lain menirunya.
Tugasnya termasuk menuangkan kopi tanpa tumpah. Menumpuk chip poker. Menyortir bunga palsu. Buku. Sayuran plastik. Baki kotoran kucing. Kantong kawat.
Setiap perusahaan humanoid menginginkan barang-barang ini.
Velmurugan melihat semuanya dari sudut pandangnya. Dia duduk di antara banyak perusahaan robotika. Dia tahu apa yang berhasil. Dia tahu apa yang gagal. Startup dan laboratorium terdepan sama-sama mencoba memecahkan masalah yang sama.
Teknik data manakah yang mendapatkan daya tarik? Yang mana yang gagal?
Encord menentukan pemenangnya bahkan sebelum pelanggan menyadari bahwa mereka kalah.
Hal ini membuat para pilot sibuk.
Ceja, Infante—mereka bukan sekadar anotator. They are the building blocks. Mereka sebelumnya bekerja di Scale, perusahaan anotasi data lainnya. Sekarang mereka ada di sini, menarik balok-balok dari menara, memasang kabel, menuangkan kopi.
Ceja used to maintain a robotic trash sorter at a waste management company. Teknologi adalah tiketnya keluar dari penyortiran manual.
Sekarang dia mengajari mesin cara berpikir tentang menyusun balok.
“Ada sesuatu yang baru setiap hari,” katanya.
Menara itu runtuh. Lagi.
Sensor merekamnya. Model itu belajar.
Namun kelaparan data tidak berhenti. Itu tumbuh. Lima kali ukuran YouTube. Ini bukanlah masalah jangka pendek. Ini adalah tantangan industri.
Akankah penandaan gelombang otak menjadi kuncinya? Or just another expensive sensor stack that slows down production?
Kita tidak akan tahu sampai modelnya benar-benar berfungsi.
