Innodata deschide un laborator de motion-capture pentru a antrena roboții umanoizi. Află cum datele 3D precise accelerează dezvoltarea AI Fizic global.

În timp ce modelele de limbaj de mari dimensiuni (LLM) au putut evolua rapid datorită volumului colosal de text disponibil pe internet, inteligența artificială aplicată în robotică se lovește de un zid invizibil: lipsa datelor tactile și motorii din lumea reală. Spre deosebire de text sau imagini, mișcarea umană nu poate fi extrasă simplu dintr-o bază de date digitală preexistentă. Pentru a rezolva această problemă, Innodata a inaugurat un laborator de cercetare și dezvoltare dedicat capturării mișcării, conceput special pentru a antrena generația următoare de roboți umanoizi.

Deficitul de date în dezvoltarea AI Fizic

Conceptul de AI Fizic reprezintă segmentul cu cea mai rapidă creștere din domeniul inteligenței artificiale, însă progresul său este limitat de costurile ridicate și viteza scăzută de producție a datelor de interacțiune. Rahul Singhal, CEO al Innodata, a punctat faptul că majoritatea echipelor de robotică întâlnesc aceeași barieră: datele din lumea reală sunt insuficiente. Fără un set de date riguros, un robot poate fi agil, dar nu poate executa sarcini utile sau sigure într-un mediu dinamic.

Problema rezidă în natura datelor. Mulți furnizori actuali încearcă să deducă mișcarea 3D analizând videoclipuri 2D. Această metodă, bazată pe estimări, introduce erori inevitabile atunci când un model de viziune computerizată încearcă să interpreteze o grilă de pixeli. Într-un context în care un robot umanoid poate cântări aproape 100 de kilograme, o eroare de calcul în mișcarea unei articulații nu este doar o problemă tehnică, ci un risc major de siguranță.

Tehnologia Vicon și precizia sub-milimetrică

Pentru a elimina aproximările, Innodata a colaborat cu Vicon, lider mondial în capturarea mișcării. Laboratorul din New Jersey este echipat cu camere optice cu infraroșu, cu latență scăzută, care pot măsura mișcările cu o precizie sub-milimetrică. Această abordare este fundamentală deoarece capturează datele 3D direct de pe corpurile subiecților, fie că sunt oameni sau structuri mecanice.

Frank Tanner, vicepreședinte pentru robotică și AI Fizic la Innodata, subliniază că nu există substitut pentru capturarea directă 3D. Senzorii instalați în laborator sunt capabili să înregistreze cea mai mică mișcare a fiecărei articulații, ceea ce face antrenarea modelelor de AI mult mai eficientă. În loc de estimări, dezvoltatorii primesc ceea ce Andrew Knox, director de gestionare la Vicon, numește ground truth (adevărul fundamental), o referință precisă împotriva căreia performanța robotului poate fi validată independent.

De la colectare la validarea performanței

Facilitatea nu servește doar ca sursă de date pentru antrenare, ci și ca centru de validare. Un aspect critic în robotică este capacitatea de a verifica datele de performanță pe care roboții le generează intern. Laboratorul Innodata permite o comparare directă între ceea ce robotul crede că a executat și mișcarea reală înregistrată de camerele Vicon.

Prin această infrastructură, compania propune un flux de lucru end-to-end care comprimă ciclurile de dezvoltare. Procesul cuprinde:

Colectarea datelor de înaltă precizie, crearea cadrelor de evaluare și utilizarea expertizei umane pentru a construi sisteme de AI pe care constructorii și utilizatorii să se poată baza la scară industrială.

Această strategie transformă modul în care sunt create roboții, mutând accentul de la încercările repetate de tip trial-and-error în simulări software către o învățare bazată pe date fizice precise, accelerând astfel momentul în care roboții capabili și siguri vor ajunge în mediile de producție.

Limitările senzorilor IMU și ale analizei monoculare

În industria robotică s-au utilizat frecvent unitățile de măsură inerțiale (IMU) purtabile sau analiza video cu o singură cameră (monoculară). Deși mai ieftine, aceste metode nu pot egala precizia sistemelor optice infraroșii. Senzorii IMU pot suferi de drift în timp, iar analiza monoculară depinde excesiv de perspectivele vizuale, ceea ce duce la imprecizii în calculul distanțelor și al unghiurilor.

Pentru un robot care trebuie să manipuleze obiecte fragile sau să interacționeze cu oameni, diferența dintre o mișcare aproximativă și una precisă este critică. Laboratorul Innodata elimină aceste variabile, oferind o mediul controlat unde fiecare milimetru contează. Această rigoare tehnică este motivul pentru care laboratoarele de AI de frontieră și universitățile de cercetare continuă să adopte standardele Vicon, integrate acum în ecosistemul de date al Innodata.

Impactul asupra ciclului de viață al produselor robotice

Accesul la date de înaltă calitate reduce semnificativ timpul necesar pentru ca un prototip de robot să devină un produs comercial viabil. În mod tradițional, ajustarea motorilor și a software-ului de control se făcea manual, proces lent și costisitor. Cu datele de motion-capture, modelele de AI pot învăța optimizarea mișcărilor prin observarea directă a experților umani, transferând apoi aceste modele în corpul robotic.

Această accelerare este esențială pentru sectoare precum logistica, sănătatea sau industria manufacturieră, unde roboții umanoizi sunt prevăzuți să preia sarcini repetitive sau periculoase. Cu cât datele de antrenament sunt mai precise, cu atât robotul va fi mai adaptabil la imprevizionate, reducând riscul de accidente și crescând eficiența operațională.

Ce înseamnă acest progres pentru ecosistemul din România

Deși laboratorul Innodata se află în Statele Unite, tendința globală către AI Fizic are implicații directe pentru antreprenorii și companiile de tehnologie din România. Țara noastră are o bază solidă de ingineri software și specialiști în robotică, însă provocarea rămâne accesul la infrastructuri de date de înaltă calitate pentru antrenarea modelelor locale.

În contextul implementării AI Act la nivel european, accentul pe siguranță și transparență devine prioritar. Datele precise de validare, precum cele generate în laboratorul Innodata, vor deveni standardul pentru certificarea roboților care vor lucra alături de oameni în fabricile românești. Companiile locale care doresc să integreze robotică avansată trebuie să privească dincolo de simpla achiziție de hardware, concentrându-se pe calitatea datelor care conduc aceste mașini.

Mai mult, prin fondurile din PNRR dedicate digitalizării și inovației, există oportunitatea ca România să dezvolte centre de competență în AI Fizic. Digitalizarea întreprinderilor romene nu mai înseamnă doar trecerea la cloud sau automatizarea proceselor administrative, ci adoptarea unor sisteme autonome care necesită o infrastructură de date riguroasă. Antreprenorii care vor să concureze global trebuie să înțeleagă că avantajul competitiv nu mai stă în algoritmul în sine, ci în setul de date proprietare și precise pe care acesta este antrenat. Integrarea unor standarde de capturare a mișcării în procesele de R&D locale ar putea propulsa startup-urile de robotică românești din zona de prototipizare în cea de producție industrială.

Întrebări frecvente

---

Surse: Therobotreport, Finance, Digitaljournal ·