Innodata avas uue labori, et pakkuda humanoididele täpset 3D-andmet treeningut. Loe, kuidas füüsiline AI muudab robotika arengut ja mida see tähendab Baltias.

Robotika maailmas on agility ehk liiklikkus juba saavutatud, kuid tõeline väljakutse peitub kasulikkuse ja täpsuse leidmisel. Kui suurte keelemudelite (LLM) puhul oli õppimismaterjaliks terviklik internet, siis humanoidide puhul puudub sarnane massiivne korpus füüsilise maailma kohta. See on loonud kitsuse, millega peavad silmitsi olema kõik juhtivad füüsilise tehisintellekti arendajad.

Selle probleemi lahendamiseks on Innodata avanud uue uurimis- ja arengulabori, mis on püstitatud spetsiaalselt liigumise püüdmiseks (motion capture). Ettevõtte eesmärk on pakkuda humanoididele ja tööstusrobotitele treeningandmeid, mis ei ole pelgalt ligikaudsed hinnangud, vaid täpsed füüsilised mõõtmised.

Füüsilise AI arengu suurim takistus

Tehisintellekti areng on liigutunud kiiresti virtuaalsest maailmast füüsilisse, kuid see üleminek on paljastanud kriitilise puuduse. Innodata tegevjuht Rahul Singhal on märkinud, et füüsilise AI segment kasvab kiiremini kui ükski teine AI ala, kuid arendusmeeskonnad põrkuvad pidevalt vastu sama seinasse: reaalse maailma interaktsoonandmeid on liiga vähe ning nende tootmine on kallis ja aeglane.

Kuna robotid ei saa õppida lugedes tekste või vaadates pilti, vajavad nad dünaamilist ja täpset infot sellest, kuidas liigutused toimivad kolmdimensionaalses ruumis. Ilma kvaliteetse andmebaasita jäävad humanoidid ebakindlatesse liigutustesse, mis võib olla ohtlik, eriti kui tegemist on masinatega, mille kaal võib ulatuda ligi 100 kilogrammi.

Täpsus millimeetrite tasemel

Paljud andmepakkujad püüavad praeguses robotsika arengus 3D-liigumist deduceerida, analüüsides 2D-videoid. See meetod on aga prone vigadele, kuna arvutivisioni mudelid peavad tõlgendama pikslite võrgusti sagedaselt ebamääraselt.

Innodata lähenemine on fundamentaalselt erinev. Koostises Viconiga on loodud labor, mis kasutab kõrgetäpsusega, madala latentsusega infrapuna optilisi jälgitamiskaereid. See tehnoloogia võimaldab püüda liigumist sub-millimeetri täpsusega, mida ei suuda saavutada ega kanduvate inertsiaalseste mõõtemoodulite (IMU) sensorid ega monokulaarne videoanalüüs.

Kui treenid humanoidi, mis kaalub peaaegu 200 naela, ei tohi sinu mõõtmised olla lihtsalt ligikaudsed. Need peavad olema täpsed. Ja selle laboriga nad on.

Franklin Tanner, Innodata robotika ja füüsilise AI asepresident, rõhutab, et otseline 3D-liigumise püüdmine on asendamatud. See võimaldab registreerida iga liigase liigutuse kõige väiksemaid nüansse, muutes treeningu efektiivsemaks ja ohutumaks.

Sõltumatu valideerimine ja arengutsüklite kiirendamine

Uue labori funktsionaalsus ei piirdu vaid andmete kogumisega. Oluline osa on ettenähtud robotite sisemise jõudluse sõltumatule valideerimisele. Robotid genereerivad ise andmeid oma liigutuste kohta, kuid ilma välise, objektiivse kontrollimehhanismita on raske teada, kui palju see siseandme vastab tegelikkusele.

Viconi juhtivdirektor Andrew Knox on välja toonud, et kui treeningandmed on ligikaudsed, siis on ka robotist saanud produkt ligikaudne. Viconi süsteemid võimaldavad püüda inimesi, roboteid ja nende käitlevaid objekte samas ruumis, pakkudes nii sõltumatut tõde (ground truth) mitte hinnangut. See muudab laborist viitepunkti juhtivate humanoidide arendajate ja teadusülikoolide jaoks.

Innodata pakub nüüd terviklahendust: alustades andmete kogumisest ja lõpetades mudelite evalueerimisega. See kompressib arengutsükleid, võimaldades saada turule võimsamaid ja turvalisemaid roboteid märgatavalt kiiremini. Täpsem info tehnilise läbendingu kohta on saadaval spetsialiseeritud tehnilistes ülevaadetes.

Andmetehnikast füüsilise maailma arhitektuurini

Innodata, mis on asutatud juba 1988. aastal ja paikneb New Jerseys, on pikaajaliselt keskendunud andmetehnikale. Ettevõtte strateegia põhineb veendumusel, et andmed ja tehisintellekt on lahutamatult seotud. Kui varem keskenduti teksti- ja struktuurandmetele, siis nüüdne liigumine füüsilise AI suunas on loogiline laiendus.

Füüsilise AI jaoks on vaja uut tüüpi infrastruktuuri, kus kombineeritakse inimlik ekspertiis, kõrge kvaliteediga andmed ja range evalueerimiskaader. See on vajalik, et luua AI-süsteeme, mida arendajad ja kasutajad saavad massiiviselt usaldada. Äriperspektiivist on see samm positsioonimine kriitilise infrastruktuuri pakkujana robotika ökosüsteemis.

Mida see tähendab Eesti ja Balti riikide jaoks?

Kuigi Innodata labor asub USA-s, on selle mõju ringid ulatuvad ka meie digitaalsesse ökosüsteemi. Eesti on tuntud oma e-riigi ja tugeva tarkvaraja poolest, kuid humanoidide ja füüsilise AI tõus toob kaasa uusi võimalusi ja väljakutseid kohalike ettevõtetele.

Esiteks on oluline AI Acti perspektiiv. Kuna humanoidid liiguvad inimeste keskel, muutuvad ohutuse ja täpsuse valideerimine kriitiliseks. Innodata poolt pakutav sõltumatu valideerimine on näide sellest, kuidas tuleviku sertifitseerimisprotsessid võivad toimida. Balti riikide AI-startupid, kes arendavad autonoomset navigatsiooni või logistikat, peaksid jälgima, kuidas 3D-andmete täpsus mõjutab masinate usaldusväärsust.

Teiseks on e-Estonia mudel ideaalne platvorm robotika haldamise jaoks. Kui humanoidid liiguvad linnades või tehastes, vajavad nad digitaalse identiteedi ja turvalise andmevahetuse süsteeme. Meie regiooni ettevõtjad, kes on meistrid digitaalse infrastruktuuri loomisel, võivad leida niši just robotika juhtimise ja valvamise tarkvaras, samal ajal kui füüsiline treening toimub spetsialiseeritud laborites nagu Innodata oma.

Lõpuks on Balti riikide jaoks võimalus arendada koostööd selliste andmeinseneritega, kes suudavad ühendada füüsilise maailma mõõtmised ja tarkvaralise intelligentsuse. Meie agility ja võime kiiresti adapteeruda uute tehnoloogiatega paneb meid hea positsiooni, et olla osa globaalsest väärtusketist, kus humanoidid ei ole enam vaid prototüübid, vaid produktiivsed tööjõud.

Korduma kippuvad küsimused

---

Allikad: Therobotreport, Finance, Digitaljournal ·