Fiziksel yapay zekânın eğitim verilerinde bir büyüklük mertebesi açığı var; kilit nokta insan hareketlerini robotların kullanabileceği verilere dönüştürmek
Özgün kaynak：财联社Unhidea’da ilk yayımlanma：Özgün kaynağın tarihi：
Temel çıkarım
Fiziksel yapay zekânın ihtiyaç duyduğu gerçek dünya verilerinin miktarı ile mevcut yüksek kaliteli veriler arasında bir büyüklük mertebesi fark var. Veri hizmeti sağlayıcılarının değeri, verileri düşük maliyetle toplayıp robotların kullanabileceği hareket verilerine dönüştürebilmelerine bağlı.
Robotların eğitimi neden daha fazla gerçek dünya verisine ihtiyaç duyuyor?
Kurumların tahminlerine göre, bedenselleşmiş zekâ temel modellerinin kendi “ChatGPT anlarına” ulaşmaları için en az on milyonlarca saatlik gerçek dünya verisi gerekiyor. Şu anda dünya genelinde kullanılabilen yüksek kaliteli gerçek dünya verileri yalnızca yüz binlerce ila milyonlarca saat düzeyinde; arz ve talep arasında bir büyüklük mertebesi fark bulunuyor.
Model geliştiren şirketler fiziksel yapay zekâ alanına girdikçe eğitim verilerinin dışarıdan temin edilmesi veya robot üreticileriyle birlikte oluşturulması gerekiyor. Bu nedenle veri toplama, bağımsız olarak fiyatlandırılabilecek bir dış talep oluşturabilir.
İnsanların yaptığı işlemleri gösteren videolar robot eğitim verilerine nasıl dönüşüyor?
Agibot’un tanıttığı, farklı robot platformlarına yönelik “Chorus众行” veri motoru, çeşitli cihazlarla kaydedilen insan işlemlerine ait videoları farklı robot platformlarına uygun ön eğitim verilerine dönüştürebiliyor. Testler, motorun etkili robot eğitim verilerini 40 kattan fazla artırabildiğini gösteriyor.
Huayuan Securities’e göre, büyük miktarda birinci şahıs bakış açısı verisini düşük maliyetle elde etmek yalnızca ilk adım; daha önemlisi, insan işlemlerini robotların kullanabileceği hareket eğitimi verilerine dönüştürmek. 3D uzamsal yeniden oluşturma, hareket yörüngesi çıkarımı ve fiziksel simülasyon yeteneklerine sahip sağlayıcılar, veri toplamadan veri varlıkları ve eğitim altyapısına uzanma fırsatına sahip.
Borsada işlem gören şirketlerin bu alanla iş bağlantısı nedir?
Tianqi, endüstriyel ortamlar için bedenselleşmiş zekâ çözümleri sunuyor. Faaliyetleri, komple robot sistemlerinin uyarlanmasını, gerçek endüstriyel ortamlarda fiziksel robotlarla veri toplanmasını ve akıllı uygulamalı eğitimi, ayrıca belirli uygulama alanlarına yönelik algoritma özelleştirmesini kapsıyor.
LUSTER’ın optik hareket yakalama sistemleri, insansı robot verilerinin toplanmasında ve seri üretim kontrollerinde kullanılmaya başlandı; şirket ayrıca robot üreticileri ve veri toplama merkezleriyle iş birliği yapıyor. Şirketin optik hareket yakalama sistemi gelirleri, bedenselleşmiş zekâ talebinin etkisiyle 2025 yılında hızla arttı ve ilk ticari aşamaya ulaştı.
