რობოტების სწავლება რთული და შრომატევადი პროცესია: სტარტაპი XDOF ხელოვნური ინტელექტის ლაბორატორიებს მონაცემების მოპოვებაში ეხმარება

ორი კვირის წინ OpenAI-მ განაცხადა, რომ აღადგენს რობოტექნიკის პროგრამას, რომელიც 2021 წელს შეაჩერა. ეს არის მორიგი სიგნალი იმისა, რომ ხელოვნური ინტელექტის უმსხვილესი ლაბორატორიები ერთმანეთს ეჯიბრებიან მანქანებისთვის ფიზიკურ სამყაროში მოქმედების სწავლებაში. თუმცა, ქმედითუნარიანი რობოტების შესაქმნელად საჭიროა ისეთი რამ, რაც ინდუსტრიას ჯერ კიდევ აკლია — საწვრთნელი მონაცემები, რომლებიც ენობრივი მოდელების (LLM) მასშტაბებს გაუტოლდება.

ეს დეფიციტი ქმნის ახალი ტიპის ინფრასტრუქტურულ ბიზნესს. ენობრივი მოდელებისგან განსხვავებით, რომლებიც საჯაროდ ხელმისაწვდომ ტექსტურ მასალაზე იწვრთნებოდა, რობოტებს სჭირდებათ მონაცემები, რომლებიც ასახავს ფიზიკურ ურთიერთქმედებას. ასეთი ინფორმაცია კი თითქმის არ არსებობს. YouTube-ის ვიდეოები ან კურიერების მიერ გადაღებული კადრები დაბალი ხარისხისაა და მათი დაკავშირება ფიზიკურ სამყაროსთან რთულია.

სტარტაპი XDOF (წარმოითქმება როგორც „ექს-დოფი“), რომელიც დღეს ოფიციალურად წარდგა საზოგადოების წინაშე, მიიჩნევს, რომ ხელოვნური ინტელექტის განვითარების შემდეგი მთავარი დაბრკოლება არა მოდელები ან ჩიპები, არამედ მონაცემთა უკუკავშირის ციკლია. კომპანია მიზნად ისახავს შექმნას მონაცემთა მილსადენები, შეგროვების ინსტრუმენტები და ანოტაციის სისტემები, რომელთა დამოუკიდებლად აგება რობოტექნიკის კომპანიებს უჭირთ. პროექტისთვის სტარტაპმა უკვე მოიზიდა 70 მილიონი აშშ დოლარი ისეთი ინვესტორებისგან, როგორიცაა Thrive Capital, Spark Capital, a16z, Lux და WndrCo.

კომპანიის თანადამფუძნებელი და აღმასრულებელი დირექტორი, ფილიპ ვუ (Philipp Wu), აცხადებს, რომ XDOF, რომელშიც დაახლოებით 60 თანამშრომელი მუშაობს, უკვე თანამშრომლობს 20 კლიენტთან, მათ შორის რამდენიმე წამყვან AI ლაბორატორიასთან. ვუს თქმით, ყველა ტოპ-ლაბორატორია ცდილობს რობოტექნიკის ათვისებას, რადგან არავის სურს ჩამორჩეს ამ სფეროში, რომელიც ხელოვნური ინტელექტის განვითარების შემდეგ ფრონტად მიიჩნევა.

პრობლემის სათავე და GELLO-ს შექმნა

ფილიპ ვუ ამ პრობლემას ჯერ კიდევ ბერკლის უნივერსიტეტში (UC Berkeley) დოქტორანტურაზე სწავლისას წააწყდა. მისი კვლევის საგანი იყო რობოტებისთვის უნარების სწავლება მასშტაბური მონაცემთა ნაკრებების მეშვეობით. თუმცა, მთავარი დაბრკოლება სწორედ ამ მონაცემების არარსებობა აღმოჩნდა. „ჩვენ გვქონდა 'კვერცხისა და ქათმის' პრობლემა — ჯერ მონაცემები უნდა შეგვეგროვებინა, სანამ საერთოდ დავსვამდით კითხვას, როგორ გაგვეწვრთნა რობოტექნიკის საბაზისო მოდელი“, — განმარტავს ვუ.

ვუმ და მისმა მომავალმა პარტნიორმა, ფრედ შენტუმ (Fred Shentu), შექმნეს პროექტი GELLO — დაბალბიუჯეტიანი ტელეოპერაციული სისტემა, რომელიც ადამიანს საშუალებას აძლევს მართოს რობოტის მკლავი და ამით საწვრთნელი მონაცემები შექმნას. ამ პროექტმა დიდი გავლენა მოახდინა სფეროზე, რადგან ბევრმა მკვლევარმა დაიწყო მსგავსი მოწყობილობების გამოყენება მონაცემთა შესაგროვებლად. სწორედ ამ შესაძლებლობის დანახვის შემდეგ, ვუმ, შენტუმ და ნემო ჯინმა (Nemo Jin) 2024 წლის ოქტომბერში დააარსეს XDOF.

მონაცემთა ეკოსისტემა და ABC კოლექცია

XDOF მხოლოდ მონაცემების მიწოდებაზე არ არის ორიენტირებული. კომპანია ფოკუსირებულია მონაცემთა გაწმენდაზე, ინსტრუმენტების შექმნასა და ანოტაციაზე, რაც რობოტების მწვრთნელებისთვის თვითგანახლებად უკუკავშირის ციკლს ქმნის. საწყის ეტაპზე, ბერკლის ხელოვნური ინტელექტის კვლევით ლაბორატორიასთან პარტნიორობით, კომპანია უშვებს ABC კოლექციას, რომელიც, მათი მტკიცებით, რობოტების საწვრთნელი მაღალხარისხიანი მონაცემების ყველაზე დიდი ნაკრებია.

ABC კოლექცია მოიცავს:

• რობოტის მანიპულაციის 130,000 ტრაექტორიას;
• 300 საათის სიმულაციას;
• 100 საათის შეფასებებს.

ასეთი მასშტაბის წინასწარი წვრთნის მონაცემები აკადემიური სფეროსთვის აქამდე ხელმისაწვდომი არ ყოფილა. გუნდმა ეს მონაცემები უკვე გამოიყენა რობოტების ისეთ ამოცანებზე გასაწვრთნელად, როგორიცაა მაისურების დაკეცვა, ყუთების გასწორება და AirPods-ის ყურსასმენების ჩასადებში მოთავსება.

მონაცემთა პირამიდის სამი დონე

კომპანია გეგმავს მუშაობას მონაცემთა პირამიდის სამ დონეზე:

1. უმაღლესი დონე: ტელეოპერაციული მონაცემები, რომლებიც შეგროვებულია უშუალოდ იმ რობოტზე, რომლის დანერგვაც იგეგმება.
2. საშუალო დონე: ტელეოპერაციული რობოტები, რომლებიც აგროვებენ უფრო ზოგად მონაცემებს (მაგალითად, GELLO-ს მეშვეობით).
3. საბაზისო დონე: „ეგოცენტრული“ მონაცემები, რომლებსაც ადამიანები ყოველდღიური დავალებების შესრულებისას აგროვებენ. ამისთვის XDOF გეგმავს საკუთარი სატარებელი სენსორების შექმნას.

ვუ აღნიშნავს, რომ კამერის არჩევანიც კი გავლენას ახდენს მონაცემთა ხარისხზე და, შესაბამისად, ხელის მოძრაობის თვალთვალის ალგორითმის მუშაობაზე. თუ აპარატურა თავიდანვე სწორად არ არის დაპროექტებული, შეგროვებულ მონაცემებს შეიძლება გაუთვალისწინებელი ხარვეზები ჰქონდეს.

ოპერაციული მასშტაბები და XDOF-ის მნიშვნელობა

კომპანია გეგმავს ტელეოპერატორებისა და მონაცემთა შემგროვებლების მთელი „არმიის“ დაქირავებასა და მომზადებას მსოფლიოს მასშტაბით. ეს შრომატევადი მოდელია, რაც ბადებს კითხვას: რატომ არ აკეთებენ ამას თავად დიდი ლაბორატორიები? ვუს განმარტებით, ამისთვის საჭიროა ასობით ათასი კვადრატული ფუტის ფართობის საწყობები, ასობით რობოტი, მათი მუდმივი მოვლა, კალიბრაცია და ოპერატორების მომზადება. ეს არის მასშტაბური ოპერაციული სამუშაო, რომლის აუთსორსინგსაც AI ლაბორატორიების უმეტესობა ამჯობინებს.

სახელი XDOF რობოტექნიკის ტერმინის, „თავისუფლების ხარისხის“ (degrees of freedom), ინტერპრეტაციაა, რაც აღწერს რობოტის დამოუკიდებელი მოძრაობების რაოდენობას. მაგალითად, ადამიანის მკლავს მხრიდან მაჯამდე შვიდი თავისუფლების ხარისხი აქვს, ხოლო Figure AI-ს უახლეს რობოტს — 30. ასო „X“ კომპანიის სახელში მათ ამბიციას გამოხატავს: „ნებისმიერი და შეუზღუდავი თავისუფლების ხარისხი“.