Fale mózgowe trenują roboty. Encord stawia na nowy typ danych

• Encord testuje zbieranie danych treningowych dla robotów z użyciem czujników fal mózgowych
• Firma produkuje dane treningowe w magazynie w San Leandro, zamiast tylko zarządzać istniejącymi zbiorami
• Andrew Ceja, trener robotów, nosi zestaw z kamerą i czujnikami EEG podczas wykonywania zadań jak rozbiórka wieży Jenga
• Encord stawia na wielokątne nagrania i gęste adnotacje jako przyszłość fizycznego AI

Trener robotów rozbiera wieżę z klocków Jenga. Ma na głowie zestaw z kamerą, która śledzi to, co widzi. I czujniki, które mierzą fale mózgowe.

To przypomina eksperyment z laboratorium neurotechnologii? To codzienność w magazynie Encord w San Leandro w Kalifornii. Firma, która buduje narzędzia do zarządzania danymi treningowymi dla AI, postanowiła sama produkować te dane. Testuje teraz, czy odczyty aktywności mózgu mogą pomóc robotom lepiej rozumieć ludzkie intencje.

Gdy YouTube nie wystarcza

Przez lata modele AI uczyły się z tego, co było dostępne. Filmiki z YouTube, zdjęcia z internetu, tekst z książek. To działało dla chatbotów i generatorów obrazów.

Roboty humanoidalne i magazynowe to inna liga.

Potrzebują danych, które pokazują nie tylko co się dzieje, ale jak to zrobić. Z wielu kątów. Z precyzyjnymi adnotacjami. I najlepiej - z informacją o tym, co człowiek zamierzał zrobić w danym momencie.

Andrew Ceja, którego Encord nazywa "pilotem" (bo "trener robotów" brzmiało pewnie zbyt nudno), wykonuje zadania w zestawie z kamerą i czujnikami EEG. Rozbiórka wieży Jenga to jedno z ćwiczeń. Wymaga precyzji, planowania, korekty błędów. Wszystko to, czego roboty muszą się nauczyć.

Fale mózgowe jako sygnał intencji

Czemu fale mózgowe? Encord zakłada, że aktywność elektryczna mózgu może dostarczyć dodatkowej warstwy informacji. Sygnału o tym, kiedy człowiek planuje ruch, kiedy koryguje błąd, kiedy się koncentruje na konkretnym elemencie zadania.

To nie jest nowy pomysł w neurotechnologii. Interfejsy mózg-komputer od lat wykorzystują EEG do sterowania protezami czy wózkami. Użycie ich do trenowania modeli AI dla robotów? To eksperyment.

Firma nie ujawnia jeszcze, jak dokładnie wykorzystuje te dane. Czy to tylko dodatkowy sygnał w zbiorze treningowym, czy może sposób na automatyczne oznaczanie momentów kluczowych w nagraniach. Sam fakt, że testują, mówi coś o kierunku, w którym idzie branża.

Produkcja danych jako biznes

Encord zaczęło jako firma budująca narzędzia do zarządzania danymi treningowymi. Teraz wchodzi w produkcję tych danych. To logiczny krok - jeśli wiesz, jakie dane są potrzebne i jak je przetwarzać, czemu nie sprzedawać gotowych zbiorów?

Magazyn w San Leandro to miejsce, gdzie firma testuje różne scenariusze. Wielokątne nagrania (kilka kamer jednocześnie), gęste adnotacje (każdy ruch opisany), kontrolowane warunki. To kosztuje, ale daje jakość, której nie znajdziesz w losowych filmikach z internetu.

Inne startupy idą podobną drogą. Chińskie firmy produkują modele AI dla robotów w tempie co 48 godzin, ale też potrzebują danych. Mistral AI testuje modele działające z jedną kamerą, ale to wciąż wymaga treningu na odpowiednich zbiorach.

Czy to zadziała w praktyce

Pytanie nie brzmi "czy fale mózgowe mogą pomóc", ale "czy opłaca się je zbierać". Czujniki EEG to dodatkowy koszt, dodatkowa złożoność, dodatkowa warstwa przetwarzania danych. Jeśli model nauczy się równie dobrze bez nich - nikt nie będzie ich używał.

Encord nie jest jedyną firmą stawiającą na nowe typy danych treningowych. Alibaba z Qwen-Robot i Figure AI ze swoimi robotami też eksperymentują z różnymi podejściami. Wszyscy zgadzają się w jednym - dane z YouTube to za mało.

Roboty humanoidalne mają działać w chaotycznych, nieprzewidywalnych środowiskach. Mają rozumieć intencje ludzi, reagować na zmiany, poprawiać błędy. To wymaga danych, które pokazują nie tylko "co", ale "dlaczego" i "jak".

Czy fale mózgowe staną się standardem? Pewnie nie w najbliższych miesiącach. Jeśli Encord pokaże, że to działa i daje przewagę - inne firmy pójdą tym tropem. Za kilka lat może się okazać, że każdy trener robotów nosi czujniki EEG tak naturalnie, jak dziś nosi smartwatch.

Najczęstsze pytania

Czym zajmuje się Encord?

Encord buduje narzędzia do zarządzania danymi treningowymi dla modeli AI. Teraz firma zaczęła też sama produkować dane - zbiera wielokątne nagrania z gęstymi adnotacjami w kontrolowanym środowisku magazynowym. Testuje też użycie czujników fal mózgowych jako dodatkowego źródła informacji o intencjach człowieka podczas wykonywania zadań.

Po co robotom fale mózgowe?

Czujniki EEG mierzą aktywność elektryczną mózgu, która może sygnalizować momenty planowania ruchu, korekty błędu czy koncentracji na konkretnym elemencie zadania. Encord testuje, czy te sygnały mogą pomóc modelom AI lepiej rozumieć ludzkie intencje i uczyć się bardziej precyzyjnie. To eksperyment - nie wiadomo jeszcze, czy opłaca się zbierać te dane w porównaniu do tradycyjnych metod.

Dlaczego filmy z YouTube nie wystarczają do trenowania robotów?

Roboty humanoidalne i magazynowe potrzebują danych pokazujących nie tylko co się dzieje, ale jak dokładnie wykonać zadanie - z wielu kątów, z precyzyjnymi adnotacjami, w kontrolowanych warunkach. Losowe filmiki z internetu nie dają tej jakości ani szczegółowości. Dlatego firmy jak Encord zaczynają produkować dane specjalnie do treningu robotów.