A robotoknak nem elég „okosnak” lenniük: látniuk, érezniük és mozdulniuk is meg kell tanulniuk úgy, mint egy ember. A kérdés az, honnan jön ehhez elég jó, elég sok valós adat — és ki fizeti meg az árát.

Mi történt

A Silicon Valley-ben alapított Human Archive indiai szolgáltatócégekkel működik együtt, hogy dolgozók speciális, kamerás sapkákat viselve első személyű (egocentrikus) videókat rögzítsenek hétköznapi munkafolyamatokról. A cél: olyan valós, „emberi szemszögű” tréningadatot gyűjteni, amivel robotokat és fizikai feladatokra készülő AI-modelleket lehet tanítani. A cég állítása szerint már több mint 1 000 aktív headset van kint több helyszínen, főleg otthoni szolgáltatásoknál, hotelekben és éttermekben.

A startup 8,2 millió dollár friss finanszírozást jelentett be, többek között a Wing Venture Capital és a Y Combinator részvételével, valamint olyan iparági angyalokkal, akik nagy AI- és hardveres ökoszisztémákhoz kötődnek. A csapatot négy, Berkeley/Stanford hátterű alapító hozta össze; a CEO Raj Patel.

A projekt ugyanakkor nem csak technológiai sztori: több nagy indiai otthoni szolgáltató szereplő nem kér a partnerségből. Nyilvános adok-kapok is kialakult: vezetők és alapítók X-en üzentek egymásnak, miközben egyes cégek elismerték, hogy volt beszélgetés, de végül nem lett megállapodás.

Miért fontos

A fizikai AI egyik legnagyobb szűk keresztmetszete a jó minőségű, valós környezetben rögzített tréningadat. Gondolj rá úgy, mint a vezetésoktatásra: szimulátorban sok mindent meg lehet tanulni, de a forgalmi rutin a valódi utcán jön. A Human Archive erre a problémára kínál „adatgyárat” — India gig- és szolgáltatási gazdaságát skálázható adatforrásként kezelve.

A cég ráadásul nem áll meg a sima videónál. Taktikus (érintés/erő) kesztyűkkel, teljes testes mozgásrögzítő ruhával és csuklóra szerelt kamerákkal is gyűjt adatot, és ezeket időben összehangolja RGB-D felvételekkel (színes kép + mélység, vagyis a rendszer azt is „látja”, milyen messze van egy tárgy). Ez a kombináció azért értékes, mert a robotnak nem csak azt kell tudnia, mit lát, hanem azt is, milyen erővel fog meg egy tárgyat, milyen pályán mozog a kar, és hogyan változik mindez valós időben.

Mire figyelj

  1. Adatminőség vs. adatjogok: a dolgozókra szerelt kamerák és szenzorok könnyen átcsúszhatnak munkavállalói megfigyelésbe. Kulcskérdés, milyen hozzájárulás, anonimizálás és adatkezelési kontroll társul a gyűjtéshez.
  2. Partneri ellenállás: ha a nagy platformok nem kérnek a modellből, a skálázás kisebb partnereken át is mehet — de más lesz a lefedett feladattér, és kérdés, mennyire lesz „általánosítható” a dataset.
  3. A „szenzorfúzió” valódi előnye: a Wing VC egyik partnere, Zach DeWitt azt állítja, hogy a többféle szenzor szinkron, nagy léptékű gyűjtése ritka és emiatt különösen vonzó a laboroknak. Ezt a piac végül ott fogja igazolni, ahol a legnehezebb: robotokon futtatott, mérhető feladat-teljesítményben.

A következő hónapokban az lesz a döntő, hogy ez a módszer képes-e ipari sztenderddé válni úgy, hogy közben a munkavállalók és az ügyfelek bizalma nem sérül — mert robotot tanítani lehet sokféleképp, legitimációt építeni jóval nehezebb.