Sóng não — chìa khóa mới cho robot học hành động thực tế

Headset sóng não trong kho hàng: thử nghiệm tạo dữ liệu mới cho robot

Tại một kho hàng ở San Leandro, California, Andrew Ceja — người mà Encord gọi là một "pilot" (huấn luyện viên robot) — đang cẩn thận kéo các khối gỗ ra khỏi một tháp Jenga chao đảo. Những gì khác biệt ở đây không phải là tác vụ, mà là thiết bị anh mặc: một headset trang bị camera theo dõi tầm nhìn của anh, kèm theo cảm biến đo sóng não của anh. Đây không phải công nghệ mới trong thu thập dữ liệu robot — phần camera đã là tiêu chuẩn — nhưng việc thêm cảm biến não bộ đánh dấu một bước ngoặt đáng chú ý. Encord, công ty chuyên xây dựng công cụ dữ liệu để huấn luyện mô hình AI, đang cùng Zander Labs — một startup neuroscience từ Đức — thí nghiệm một phương pháp hoàn toàn mới để cải thiện chất lượng dữ liệu huấn luyện cho robot humanoid và robot công cộng.

Đo lường suy nghĩ để dạy robot "suy nghĩ"

Zander Labs tin rằng đo lường hoạt động não bộ có thể cung cấp thông tin bổ sung quý giá: trạng thái tinh thần của người huấn luyện lúc đó (nhận biết lỗi, ý định hành động, bất ngờ). Lucas Gehrke, nhà khoa học từ Zander, giải thích rằng mức độ hoạt động não bộ trong từng khoảnh khắc của tác vụ mang lại tín hiệu cho những người xây dựng mô hình — chỉ ra khi nào họ cần triển khai những mô hình tính toán phức tạp nhất. Cạnh Ceja, một pilot khác tên Sofia Infante đang thao tác với các cánh tay robot kép (leader-follower rigs) — một tay do người điều khiển trực tiếp, một tay tự động bắt chước — để tạo dữ liệu cho các tác vụ như rót cà phê vào cốc (một hoạt động "rất sẩy nước"), xếp chip poker, hay cắm và tháo cáp ethernet từ phía sau máy chủ. Vineeth Velmurugan, trưởng bộ phận Robot Learning tại Encord (cựu nhân viên của OpenAI's robot lab và Berkshire Grey, công ty tự động hóa kho hàng), cho biết các công ty humanoid đều yêu cầu những bộ dữ liệu này. Không chỉ tạo dữ liệu, Encord cũng đang phát triển các phương pháp mới khác: sử dụng cảm biến cơ học (electromyography sensors) gắn trên cẳng tay để phát hiện tín hiệu điện trong cơ bắp, giúp xây dựng mô hình 3D vị trí tay của người operator. Những dữ liệu này sau đó được ghi chú chi tiết — "tay phải siết chặt bu lông" — để hỗ trợ những mô hình dựa trên LLM hiểu rõ hơn những gì đang xảy ra.

Dữ liệu thực tế là khoảng trống lớn nhất của robotics

Nhân tố chính của cuộc cố gắng này nằm ở một vấn đề cơ bản: robot thiếu dữ liệu thực tế để học hành động. Velmurugan ước tính cần khoảng năm lần toàn bộ dữ liệu video của YouTube mới có thể xâm nhập được một lĩnh vực mới. Đây chính là lý do tại sao Encord (ban đầu là công ty giúp công ty computer vision ghi chú và kiểm tra mô hình) đã quyết định tự tạo dữ liệu thay vì chỉ quản lý dữ liệu có sẵn. Khác với LLM được xây dựng trên toàn bộ văn bản internet với chi phí gần như bằng không, dữ liệu huấn luyện cho robot phải được sản xuất một cách cẩn thận và tốn kém. Encord lấy dữ liệu từ hai nguồn chính: video góc nhìn chủ quan của các công nhân mặc camera (thường kèm thêm các góc quay khác và các chỉ số khác), hoặc từ các robot được điều khiển từ xa. Velmurugan nhận định rằng ghi chú chi tiết (dense annotation) này có giá trị gấp 100 lần so với dữ liệu video chất lượng thấp, mặc dù chi phí sản xuất chỉ cao hơn 20 lần — một "thương lượng" nhìn bề ngoài có lợi. Nhưng 20 lần chi phí vẫn là tiền thật, và đó là chỗ khó: không giống việc quét văn bản từ internet, việc sản xuất dữ liệu huấn luyện vật lý không bao giờ rẻ.

BODY_END