Зачем для обучения роботов нужен сбор данных?

  • Роботы используют датчики, камеры, радары и другое оборудование в сочетании с управлением человеком или моделированием, чтобы собирать многомерные исходные данные из реальных ситуаций для последующего обучения интеллектуальных систем.
  • Данные должны не только охватывать различные ситуации, но и обеспечивать баланс точности, совместимости и эффективности при масштабировании. По мере развития универсальных фундаментальных моделей авторы отчёта ожидают роста спроса на данные, который будет удовлетворяться как за счёт внешних закупок, так и за счёт самостоятельного сбора компаниями.

Каковы компромиссы между четырьмя методами сбора?

  • Телеуправление обеспечивает данные наивысшего качества, но обходится дороже и применяется главным образом для получения качественных данных для обучения подражанием; UMI сочетает приемлемые стоимость и качество и позволяет быстро собирать демонстрационные данные, когда масштабное развёртывание физических роботов затруднено.
  • EGO сейчас является наиболее распространённым подходом, отличается меньшей стоимостью и применяется главным образом для предварительного обучения фундаментальных моделей. Теоретически данные моделирования можно производить в наибольших объёмах и с наименьшими затратами; они обладают значительным потенциалом для масштабного предварительного обучения.
  • Авторы отчёта ожидают, что в будущем различные технологические подходы будут применяться в разных ситуациях: компромисс между качеством сбора, стоимостью и скоростью расширения определяет подходящие области применения каждого из них.

Каковы потенциал промежуточного рынка и развитие отрасли?

  • Вэнь Цзи из Zheshang Securities оценивает, что при нейтральном сценарии объём рынка сбора данных в промежуточном звене достигнет 174,1 млрд юаней к 2030 году, а совокупный среднегодовой темп роста с 2026 по 2030 год составит 203%. Компания считает, что это звено находится на стадии развития от 0 до 1, и предлагает обратить внимание на поставщиков наборов данных, компании по сбору данных с интегрированными программными и аппаратными средствами, компании по постобработке данных и платформы моделирования.
  • Ханчжоуская национальная пилотная база применения искусственного интеллекта (воплощённый интеллект) проводит увеличение капитала на общую сумму 200 млн юаней; зарегистрированный капитал планируется повысить с 100 млн до 300 млн юаней. Увеличение капитала и реорганизацию структуры акционерной собственности планируется завершить к концу 2026 года.
  • Beijing Noitom, дочерняя компания Leyard, уже обслуживает ряд производителей роботов и участвовала в создании нескольких центров обучения роботов и сбора данных, предлагая решения, включающие оборудование для захвата движения, сбор данных и приложения для различных сценариев.