Искусственный интеллект обретает все новые навыки. Следующим прорывом в сфере ИИ может стать управление роботами с помощью мозговых волн, пишет TechCrunch.
Тест данных о мозговых волнах для робототехники
Уже сейчас британский стартап Encord проводит новаторские исследования в этой области. Компания изучая возможность использования данных о мозговой активности операторов для улучшения обучения роботов выполнению физических задач.
Процесс обучения включает отслеживание действий оператора через камеру, фиксацию мозговой активности, анализ реакций на различные ситуации и сбор данных о физических действиях.
Zander Labs поставляет нейроинтерфейсные сенсоры
Нейроинтерфейсные технологии становятся ключевым элементом эксперимента. Немецкий стартап Zander Labs поставляет специализированные гарнитуры, способные фиксировать мозговые сигналы в реальном времени и определять ошибки и намерения оператора.
Работа Encord с Zander Labs в настоящее время находится на стадии пробного запуска. Британский стартап ставит цель создать первоначальный набор данных с метками мозговой активности, протестировать его на моделях робототехники и оценить, действительно ли это улучшает производительность.
Проблемы физического ИИ
Развитие робототехники сталкивается с серьезным ограничением. Отрасль испытывает дефицит качественных обучающих данных.
Эксперты отмечают, что прогресс в этой области сдерживают два фактора. Во-первых, недостаток реальных данных для обучения, а во-вторых, ограничения существующих архитектур моделей.
Методы сбора данных
Encord разработала многоступенчатую систему сбора информации для обучения роботов. Компания использует экзоцентрическую видеосъемку и системы телеуправления. Также для обучения Encord применяет камеры, установленные на операторах, датчики роботизированных манипуляторов и различные типы сенсоров.
По оценкам компании, такой подход позволяет создавать максимально полезные датасеты для обучения манипулятивных задач.
Новая эра производства данных
В отличие от текстового ИИ, где данные можно свободно собирать из интернета, физический ИИ требует иного подхода. Здесь необходимы специально организованные обучающие сценарии, значительные инвестиции в создание качественных датасетов и профессиональная организация процесса сбора информации.
Таким образом, производство обучающих данных способно превратиться в отдельный прибыльный бизнес.
