В то время как многие компании используют видеоролики с YouTube для обучения искусственного интеллекта, стартап Anaxi Labs, основанный Кейт Шен, избрал принципиально иной подход. Роботы, благодаря развитию искусственного интеллекта, уже сейчас рассматриваются как следующий многомиллиардный технологический рынок. Это стимулирует активную разработку промышленных и гуманоидных роботов, призванных помогать или даже заменять человека в различных задачах.
Традиционно, для визуальной ориентации в реальном мире, мозг роботов «кормили» видео с YouTube. Идея состояла в том, чтобы помочь им понять рабочую среду и стимулировать развитие физического ИИ – искусственного интеллекта, предназначенного для взаимодействия с физическим миром.
Однако Кейт Шен, соучредитель Anaxi Labs, считает, что такой подход недостаточен. Её компания занимается краудсорсингом и предоставлением видеозаписей, на которых люди выполняют различные задачи. Эти материалы затем передаются производителям роботов. По мнению Шен, видео, снятое с человеческой перспективы, критически важно для обучения роботов, поскольку оно более точно отражает нюансы выполнения задач в зависимости от окружающих условий. В более широком смысле, эта методика может стать ключевой дорожной картой для развития физического ИИ.
Содержание
Основание Anaxi Labs: Вызов в области данных для физического ИИ
По словам Кейт Шен, Anaxi Labs возникла как стартап, тесно связанный с Университетом Карнеги-Меллона. При разработке больших языковых моделей (LLM), как отмечают основатели, все осознают важность двух ключевых инфраструктурных элементов: чипов и данных. Аналогичная ситуация наблюдается и в робототехнике при переходе от цифрового к физическому ИИ. Однако есть существенное отличие:
В то время как инфраструктура для обработки данных хорошо развита, данные для обучения роботов приходится создавать с нуля. В отличие от LLM, тренировочные данные для роботов нельзя просто взять из интернета, поскольку они требуют физического взаимодействия. Соучредители компании осознали, что отсутствие такой инфраструктуры станет серьёзным барьером, что побудило их к созданию Anaxi Labs для решения этой назревающей проблемы.
Новый подход к сбору данных: Преодолевая ограничения YouTube
Представители Anaxi Labs подчёркивают, что существовавшие ранее подходы к сбору данных для физического ИИ — использование видео с YouTube или симуляций — были выбраны скорее из-за отсутствия лучших альтернатив. Объем данных, необходимых для обучения физического ИИ, значительно превышает доступный в интернете и требует многократных физических взаимодействий для каждого сценария, чего невозможно найти на YouTube.
По словам представителей Anaxi Labs, последние годы наблюдается значительный сдвиг в индустрии к «эгоцентричным» данным — видеозаписям, снятым от первого лица, с точки зрения человека, выполняющего задачу. В ответ на это Anaxi Labs активно инвестирует в создание глобального конвейера данных. Компания сотрудничает с промышленными регионами и предприятиями, работающими в различных сферах, таких как строительство, логистика и, особенно, производственные цеха.
Второй канал сбора данных — это использование модели сообщества. Anaxi Labs планирует задействовать мировое сообщество частных лиц и потребителей, желающих загружать видео для тренировочных целей. Запуск приложения для сбора и разметки данных запланирован на лето этого года.
Что именно собирается в видео: От задач до «цепочек рассуждений»
Данные, которые собирает Anaxi Labs, точно соответствуют задачам, которые клиенты хотят поручить своим роботам. Это, по словам представителей компании, эгоцентричный взгляд, где, например, видно, как обе руки в видео выполняют одну и ту же операцию: сортируют посылки и сканируют их штрих-коды. В целом, выделяется около 20 общих шагов, наиболее часто встречающихся в промышленных условиях. Компания охватывает все эти сценарии. Всё чаще появляются и бытовые сценарии, например, уборка кухни или спальни.
Для того чтобы модели могли понимать эти видео, крайне важна аннотация (разметка данных). На начальных этапах производителям роботов требовались лишь сегментация изображения (выделение объектов), простое описание действий и указание точек контакта. Однако теперь, чтобы робот мог по-настоящему понять «как» и «почему» происходит то или иное действие, возрастает спрос на аннотации в формате, близком к «цепочке рассуждений».
Например, если робот видит тапочек, аннотация будет включать описание происходящего и инструкцию, например, «схватить крепче», а также ожидаемый результат действия.
Влияние физического ИИ на безопасность и рынок труда
В Anaxi Labs выделяют два ключевых аспекта физического ИИ: безопасность и его влияние на рынок труда. В отличие от ранних этапов развития больших языковых моделей (LLM), когда собиралось максимально возможное количество данных из интернета, в физическом ИИ существует отдельная категория — «сценарии отказов и восстановления». Это означает, что при заказе робота заранее прорабатываются ситуации, когда что-то идёт не так, и что робот должен делать в каждом конкретном случае. Это существенное отличие от подхода, применявшегося к LLM. Все компании, работающие с физическим ИИ, осознают это и изначально закладывают соответствующие механизмы в свои модели.
Что касается рынка труда, представители Anaxi Labs отмечают, что на текущем этапе наблюдаются в основном позитивные изменения. Множество небольших робототехнических компаний успешно сотрудничают с предприятиями, страдающими от нехватки рабочей силы. Спрос на роботов исходит от фабрик, которые сталкиваются с дефицитом персонала, а также от тех, кто испытывает трудности с наймом работников на опасные задачи.
