Innodata otwiera laboratorium motion capture. Rośnie wyścig o dane dla robotów

Laboratorium ogłosiła w środę firma z Ridgefield Park w New Jersey, zajmująca się inżynierią danych. Stanęły w nim kamery śledzące Vicon z optyką podczerwieni, które według Innodaty mierzą ruch z dokładnością do ułamka milimetra. Firma przedstawia obiekt jako odpowiedź na wąskie gardło, na które trafia każdy zespół robotyczny: brakuje danych o interakcjach z rzeczywistego świata, a te, które są, powstają drogo i wolno.

„Fizyczna AI rośnie szybciej niż jakikolwiek inny segment AI, ale każdy zespół robotyczny trafia na ten sam mur” – powiedział Rahul Singhal, dyrektor generalny Innodaty, w oświadczeniu, które przytoczył The Robot Report. „Ten obiekt usuwa ten mur”.

Zapowiedź wypada w tygodniu gęstym od wieści o danych dla robotyki. Tego samego dnia TechCrunch poinformował, że Destro AI, startup z branży robotyki logistycznej, wyszedł z ukrycia z rundą zalążkową o wartości 8 000 000 dolarów. Firma zbudowała warstwę inteligencji, która mówi też ludzkim pracownikom, co mają robić. Również 30 września MindOn opublikował szczegóły Mind-1, modelu fizycznej AI, który według firmy skraca opóźnienie wnioskowania robota z 82 ms do 32 ms. Fig Inc. udostępniła raport techniczny pokazujący, że modele frontier, w tym Astra i Opus 5.5, wypadają nierówno w zadaniach robotycznych i internetowych.

Dlaczego bezpośredni zapis

Argument Innodaty jest techniczny. Jak twierdzi firma, większość dostawców danych wnioskuje o ruchu w 3D, analizując wideo 2D. Innodata zapisuje dane 3D bezpośrednio z ciał, ludzkich albo mechanicznych.

„Nie ma zastępstwa dla bezpośredniego motion capture w 3D” – powiedział The Robot Report Franklin Tanner, wiceprezes Innodaty ds. robotyki i fizycznej AI. „Kiedy model widzenia komputerowego próbuje zrozumieć dwuwymiarową siatkę pikseli, błędy nieuchronnie się wkradają”.

Tanner podał przykład robota podnoszącego kubek. Większość ludzi chwyta za ucho, ale podstawa też działa. Jeśli w kubku jest gorący płyn, różnica ma znaczenie. „Kontekst ma znaczenie, a nie zawsze jest zapisany nawet w tych zbiorach danych, które są dostępne” – powiedział.

Innodata twierdzi, że laboratorium będzie zbierać dane z humanoidów, sprzętu teleoperowanego, systemów noszonych, zestawów czujników, chwytaków Universal Manipulator Interface i innych konfiguracji multimodalnych. Dane mogą potem zasilać bliźniaki cyfrowe do generowania przypadków brzegowych. Firma mówi też, że obiekt będzie niezależnie weryfikować dane o wydajności, które roboty generują wewnętrznie, a usługę reklamuje jako kompleksową: od zbierania po ocenę modelu.

Problem skali jest realny. Tanner zauważył, że humanoid ważący prawie 200 funtów potrzebuje odczytów precyzyjnych, a nie „mniej więcej”. Wskazał też lukę: „Nie mamy teraz danych treningowych, w których ludzie i roboty wchodzą w interakcje. Nad tym jednym obszarem pracujemy w laboratorium”.

Konkurencja też buduje warstwy danych

Destro AI, które wyszło z ukrycia we wtorek, obrało inny kierunek. Zamiast budować roboty, stworzyło warstwę inteligencji, która koordynuje roboty i ludzi w otoczeniu logistycznym. Założyciel Manthan Pawar powiedział TechCrunchowi, że firma wygrywa z firmami robotycznymi „bo nie jest firmą robotyczną”.

Destro zaczęło od pilotażu w jednym obiekcie Yusen Logistics w regionie Pacific Northwest, z trzema robotami do przewożenia wózków zbudowanymi przez Miva Robotics. Obsługiwał je system operacyjny Vision firmy Destro, oparty na otwartych modelach vision-language-action. Ludzcy pracownicy rozładowują towar z jednej ciężarówki do wózków; roboty znajdują pełne ładunki i je przewożą. Richard Brunelle, dyrektor ds. automatyzacji Yusen w amerykańskiej grupie logistycznej, powiedział TechCrunchowi, że dwa inne znane startupy robotyczne nie pasowały do tego przepływu pracy. Jeden oferował ruch wózków punkt do punktu, ale bez załadunku i rozładunku. Drugi wymagał człowieka do prowadzenia orkiestracji.

Destro rozszerza teraz pilotaż do 26 robotów i uruchamia kolejny z 17 robotami w obiekcie Yusen w południowej Kalifornii. Rundę zalążkową poprowadziły Base10 Partners i Bonfire Ventures, a udział wziął CoFound Partners.

Mind-1 od MindOn atakuje pokrewną przeszkodę: szybkość. W poście opublikowanym 30 września firma podała, że jej model pozwala robotom osiągać ludzkie czasy cyklu w niektórych zadaniach, a nawet wykonywać pracę szybciej niż ludzie. Wymienia cztery przeszkody w szybkiej manipulacji: dane treningowe zbierane przez teleoperację są wolniejsze niż naturalny ruch człowieka; opóźnienie wnioskowania kumuluje się przy dużej szybkości; kolejne kroki wnioskowania mogą dawać niespójne intencje trajektorii; rosną wymagania dotyczące synchronizacji sterowania i czujników.

„Przy prędkości efektora 3 m/s samo 10 ms opóźnienia odpowiada około 3 cm ruchu” – napisała firma, co wystarczy, by wpłynąć na precyzyjne chwytanie albo wkładanie. MindOn twierdzi, że Mind-1 trenowano na danych o manipulacji zbieranych bezpośrednio od ludzi wykonujących zadania w naturalnym tempie, i że skróciło opóźnienie wnioskowania z 82 ms do 32 ms.

Benchmarki ukrywają nierówności

Fig Inc., grupa badawcza, opublikowała 30 września raport techniczny, w którym przekonuje, że główne wyniki benchmarków zasłaniają, jak nierówno radzą sobie modele frontier. Zespół ocenił siedem modeli na VisualWebArena, benchmarku zamkniętych zadań internetowych ze 177 zadaniami, oraz trzy modele w czterech offline'owych domenach fizycznych: VLABench, Assembly101, IndEgo i Bench2Drive.

Wynik: w każdej parze modeli słabszy model rozwiązuje co najmniej jedno zadanie, którego nie rozwiązuje mocniejszy. Aktualizacja modelu może niemal nie zmienić średniej, a jednocześnie odwrócić wynik wielu pojedynczych zadań. Ta sama nierówność pojawia się w domenach fizycznych. Modele, które biją Gemini 3.5-Flash w średniej z każdej domeny, nadal wypadają gorzej w niektórych kategoriach zadań. Autorzy udostępnili RIDGE, zbiór wyników na poziomie pozycji i śladów modeli.

To ma znaczenie dla każdego, kto kupuje dane albo modele dla robotów. Pojedyncza liczba z benchmarku niewiele mówi zespołowi wdrożeniowemu o tym, czy model sprawdzi się w ich konkretnym zestawie zadań.

Biznes danych spotyka cykl hype'u

Otwarcie laboratorium przez Innodatę to zakład, że wąskim gardłem są dane, nie sprzęt. Firma powstała w 1988 roku i opisuje się jako dostawca danych, ram oceny i ludzkiej wiedzy dla systemów AI. Jej zwrot w stronę robotyki wpisuje się w szerszy wzorzec: gdy firmy produkujące humanoidy i roboty logistyczne zbierają duże rundy, sprzedawcy danych treningowych, symulacji i narzędzi oceny pozycjonują się jako dostawcy łopat i kilofów.

Czy ten rynek będzie rósł tak szybko, jak liczą producenci robotów, pozostaje nieprzetestowane. Tanner wskazał symulację jako jedną z dźwigni. „Symulatory coraz lepiej radzą sobie z braniem danych z rzeczywistego świata, robieniem translacji real-to-sim, a potem permutowaniem środowiska” – powiedział, wymieniając środowisko Cosmos od Nvidii jako „naprawdę coraz lepsze w tym”. Dodał jednak, że dane z rzeczywistego świata pozostają złotym standardem i są drogie.

Jest też kwestia talentów i uwagi. Rongzhong Li, twórca OpenCat, Nybble i Bittle, napisał 30 września na Hackster.io, że jego firma wysłała ponad 30 000 czworonogów od 2018 roku. Jego niepokój nie dotyczy ilości danych, ale dostarczania produktu. „Ludzie zaczęli narzekać, że roboty tylko tańczą albo szybko biegają, a nie wykonują swojej pracy” – napisał. Przekonywał, że roboty o dużej liczbie stopni swobody tworzą emocjonalną więź, ale też podnoszą poprzeczkę kolejnemu twórcy, zmniejszając szanse, że cokolwiek trafi na rynek jako niezawodny produkt.

Jego proponowany sygnał dla robotów komercyjnych jest cichszy: porównać cenę używanego imponującego robota z kosztem jego materiałów kilka miesięcy po dostawie. Żadna z tych liczb nie oddaje pełnej wartości, ale relacja między nimi, jak napisał, może pokazać, ile praktycznej wartości rynek wciąż widzi, gdy nowość się znudzi. Quaddle, jego trzeci produkt, jest na Kickstarterze od 99 dolarów.

Dla Innodaty bezpośrednim testem jest to, czy producenci robotów zapłacą za dane ruchu zbierane i weryfikowane na zewnątrz, zamiast budować zapis u siebie. Firma twierdzi, że jej czujniki rejestrują najdrobniejszy ruch każdego przegubu, co czyni trening dokładniejszym i wydajniejszym. Przykład z kubkiem, który podał Tanner, to oferta w miniaturze: robot, który chwyta za podstawę zamiast za ucho, może wykonać zadanie, ale może też poparzyć dłoń trzymającą kubek. Zapis takiego kontekstu to właśnie to, co sprzedaje laboratorium.

Arrowfly, spółka matka The Robot Report, również 30 września uruchomiła AI for Engineers, platformę z redakcją, doroczną konferencją zaplanowaną na 20–22 września 2027 w Henderson w Nevadzie, własnymi badaniami i radą doradczą. Arrowfly twierdzi, że jej marki inżynieryjne docierają do 2 100 000 zweryfikowanych czytelników z branży. Start to kolejny sygnał, że rynek informacji o AI dla robotyki rozszerza się razem ze sprzętem.

Ogłoszenia z tego tygodnia łączy jedno założenie: roboty poprawiają się tak szybko, że ograniczenie przeniosło się na dane, orkiestrację i szybkość. Innodata stawia na zapis. Destro na koordynację. MindOn na opóźnienie. Fig na to, że kupujący powinni patrzeć poza średnią. Żadna z tych firm nie opublikowała niezależnej weryfikacji swoich twierdzeń, a wdrożenia robotów, które udowodniłyby rynek, wciąż liczy się w dziesiątkach sztuk, nie w tysiącach.