原文标题：Are brain waves the next unlock for physical AI?
据TechCrunch Robotics于7月27日报道，物理人工智能的前沿位于加利福尼亚州圣利安珠（San Leandro）一座仓库里的一场叠叠乐游戏中。这座仓库由 Encord 使用，这是一家致力于开发用于训练人工智能模型的数据工具的公司。Andrew Ceja 是一名操控员——这是该公司对机器人训练员的称呼——他正戴着一副带有摄像头的头显设备，设备会追踪他的视线，而他则小心翼翼地从摇摇欲坠的积木塔中抽出木块。仅仅做到这一步在收集机器人训练数据时相当常见，但这款头显还配备了传感器，能够在他小心翼翼地拆解积木塔时测量他的脑电波。越来越多的初创公司认为，人形机器人和仓储机器人未来面临的真正瓶颈将不再是模型架构，而是现实世界物理训练数据的极度匮乏，Encord 正是这些公司中的一员。Encord 不仅帮助机器人公司管理其现有数据，更是围绕制造它们所缺失的数据来开展业务。Ceja 佩戴的脑电波头显由德国神经科学初创公司 Zander Labs 制造，该公司押注于通过测量大脑活动来推断错误、意图和惊讶等心理状态，从而打造出对训练模型更有用的数据集。
Encord与Zander的合作目前处于试运行阶段；Encord表示，其目标是建立一个初步的脑波标记数据集，将其输入客户的机器人模型中运行，并在决定是否扩大规模之前，评估这是否能切实提升模型性能。负责监督该项目的Zander神经科学家Lucas Gehrke表示，在执行特定任务期间的任何时刻，所使用的脑活动量为试图弄清何时需要部署最高算力模型的模型构建者提供了线索。Encord机器人学习主管Vineeth Velmurugan表示，这是解决机器人数据瓶颈探索的最前沿。作为OpenAI机器人实验室和仓储自动化公司Berkshire Grey的老将，Velmurugan加入Encord是为了建立公司的内部数据创建团队。Encord成立的初衷是帮助开发机器视觉应用的公司进行数据标注和模型评估。
正如他们的客户——Velmurugan 表示他们与许多领先的机器人公司合作，但未获授权透露具体名称——开始将端到端学习应用于机器人操作任务时，高管们意识到他们必须自己生产训练数据，而不是仅仅管理数据。“这些数据根本不存在，”Velmurugan 说。生成式人工智能能为机器人带来如同对聊天机器人般影响的押注，总是不断碰壁。大型语言模型是基于整个互联网等的文本构建的。寻找同样的原材料来教导神经网络进行物理操作极具挑战性：自动驾驶汽车公司自己收集数据，但这很难扩大规模。从视频中训练可以奏效，但缺乏真实世界数据的保真度。Velmurugan 表示，要想取得突破，需要一个大约五倍于 YouTube 视频库规模的数据集——这种规模有助于解释为什么数据生成本身已经成为一门生意，而不仅仅是一个研究问题。
来源：TechCrunch Robotics ｜ 原文链接