Roboti prihodnosti ne bodo postali uporabni zgolj zato, ker bodo imeli boljše modele umetne inteligence. Naučiti se bodo morali tudi zelo človeških opravil: prijeti predmet, zložiti majico, odpreti škatlo, pravilno oceniti silo prijema in se prilagoditi nepredvidljivemu okolju. Pri tem pa robotika naleti na težavo, ki je jezikovni modeli niso poznali v enaki meri: primanjkuje ji kakovostnih podatkov iz fizičnega sveta.
Prav na tem področju želi graditi startup XDOF. Podjetje zbira in pripravlja podatke za učenje robotov, zdaj pa je po informacijah TechCruncha v poznih pogovorih za naložbeni krog serije B, ki bi ga lahko ovrednotil na približno 1,2 milijarde dolarjev. Krog naj bi vodil sklad 8VC, vendar posel še ni potrjen, pogoji pa se lahko spremenijo.
Finančna novica je pomembna predvsem zato, ker kaže, kam se seli pozornost vlagateljev: od modelov, ki razumejo in ustvarjajo besedilo, proti infrastrukturi, ki bi umetni inteligenci omogočila delovanje v resničnem svetu.
Internet je bil učbenik za jezikovne modele. Robotika takšnega učbenika nima.
Veliki jezikovni modeli, kot je ChatGPT, so se razvijali z učenjem na ogromnih količinah besedil, kode, slik in drugih javno dostopnih spletnih vsebin. Čeprav so tudi pri teh podatkih pomembna vprašanja kakovosti, avtorskih pravic in dovoljenj, je bil obseg razpoložljivega materiala izjemen.
Pri robotih je položaj bistveno drugačen. Robot ne potrebuje samo slike predmeta in njegovega opisa, temveč mora razumeti, kako ga prijeti, premakniti, obrniti ali odložiti. Pri tem mora upoštevati geometrijo, težo, trenje, hitrost, položaj rok in orodij ter odziv okolja.
Za robota je razlika med skodelico, ki jo lahko prime za ročaj, in mehko vrečko, ki se pri prijemu zvije, ogromna. Enako velja za zlaganje oblačil, odpiranje vrat ali vstavljanje predmeta v škatlo. Takšnih primerov ni mogoče preprosto pridobiti z interneta. Treba jih je sistematično posneti, označiti in pretvoriti v podatke, uporabne za učenje modelov.
XDOF želi zapolniti prav to vrzel: graditi podatkovne tokove, orodja za zajem podatkov in sisteme za njihovo označevanje, ki jih robotska podjetja in laboratoriji za napredno umetno inteligenco pogosto ne morejo hitro vzpostaviti sami.
Ko človek uči robota z lastnimi gibi
Podjetje sta leta 2024 ustanovila raziskovalca Univerze Kalifornije v Berkeleyju Philipp Wu, izvršni direktor, in Fred Shentu, tehnični direktor. Njuno delo izhaja iz projekta GELLO, nizkocenovnega sistema za teleoperacijo robotov.
Teleoperacija pomeni, da človek robot upravlja na daljavo. Operater na primer s krmilnikom ali mehanskim vmesnikom vodi robotsko roko skozi določeno opravilo, robot pa pri tem beleži svoje gibe in stanje okolja. Tako nastanejo učni primeri: robot dobi podatke o tem, kaj je videl, kakšen ukaz je prejel, kako se je premaknil in kakšen je bil rezultat dejanja.
Tak način zbiranja podatkov je dragocenejši od preprostega video posnetka. Video lahko pokaže, da je človek zložil majico, ne pove pa nujno, kako natančno je premikal roke, s kakšno silo je prijel tkanino ali kako se je predmet odzval na dotik. Zato XDOF poleg oddaljenega upravljanja robotov uporablja tudi človeške zbiralce podatkov, opremljene s telesnimi senzorji.
Ti senzorji beležijo gibanje pri vsakdanjih opravilih, kot sta zlaganje oblačil in sploščevanje škatel. Cilj ni le posneti končni rezultat, temveč zajeti pot do njega: zaporedje gibov, položaj telesa, interakcijo s predmeti in kontekst opravila.
Podatkovna zbirka ABC in ambicija po globalnem obsegu
XDOF sodeluje z raziskovalnim laboratorijem AI Research na UC Berkeley pri pripravi zbirke podatkov ABC, za katero podjetje trdi, da bo največja doslej zbrana zbirka kakovostnih podatkov za učenje robotov.
Podjetje namerava pri tem graditi globalno mrežo zbiralcev podatkov: od teleoperaterjev, ki na daljavo vodijo robote, do ljudi, ki s senzorji beležijo lastne gibe. To je model, ki spominja na širši vzpon podjetij za označevanje podatkov v obdobju generativne umetne inteligence. Vlagatelji XDOF zato primerjajo s Scale AI ali Mercorjem, vendar za fizično robotiko.
XDOF naj bi že sodeloval z okoli 20 strankami, med njimi z več laboratoriji za napredno umetno inteligenco. Junija je podjetje zbralo 70 milijonov dolarjev v krogu serije A, pri katerem so sodelovali Thrive Capital, Andreessen Horowitz, Lux in Spark Capital. Njegov letni prihodek, preračunan na letno raven, naj bi se približeval 50 milijonom dolarjev.
Velika priložnost, a tudi zahtevna vprašanja
Če bo pristop uspešen, bi lahko koristi najprej občutile panoge, kjer je veliko ponavljajočih se fizičnih opravil: logistika, skladišča, proizvodnja, trgovina, oskrba starejših in gospodinjske storitve. Napredek pri podatkih bi lahko robotom omogočil hitrejše učenje novih nalog in zmanjšal potrebo po programiranju vsakega posameznega giba.
Vendar zbiranje podatkov iz resničnega sveta odpira tudi zahtevna vprašanja. Kako zagotoviti zasebnost ljudi, ki sodelujejo pri zbiranju podatkov? Kdo je lastnik posnetkov gibov in delovnih postopkov? Kako preprečiti, da bi podatki odražali le omejen nabor okolij, predmetov in načinov dela? In predvsem: ali je mogoče takšno infrastrukturo graditi dovolj hitro in cenovno učinkovito, da bo sledila velikim ambicijam robotske industrije?
Prav tu se skriva pravi pomen XDOF. Podjetje ne stavi predvsem na izdelavo enega samega robota, temveč na manj opazen, a ključen del tehnološke verige: podatke, iz katerih se bodo roboti učili delovati med ljudmi. Če so bili podatki gorivo za razcvet generativne umetne inteligence, bodo morda prav podatki iz fizičnega sveta gorivo za naslednjo fazo AI — robote, ki ne bodo le odgovarjali, ampak tudi delali.
