OpenAI بازگشت به رباتیک را اعلام کرد؛ کمبود داده فیزیکی، فرصت شکلگیری یک زیرساخت جدید در هوش مصنوعی
در روزهایی که بزرگترین آزمایشگاههای هوش مصنوعی برای آموزش ماشینها به انجام وظایف در دنیای فیزیکی شتاب گرفتهاند، یک گلوگاه مهم هنوز حل نشده باقی مانده: دادههای باکیفیت برای آموزش رباتها. برخلاف مدلهای زبانی بزرگ که از حجم عظیمی از متن عمومی تغذیه شدهاند، آموزش رباتها نیازمند دادههایی است که رفتار فیزیکی و تعاملات با اشیاء را دقیقاً ضبط کند — دادهای که امروز بهندرت و پراکنده وجود دارد.
شرکتی تازهتأسیس به نام XDOF (تلفظ: «اِکسدوف») که امروز از حالت محرمانه خارج شده، بر این باور است که «حلقه بازخورد داده» برای آموزش رباتها بزرگترین گلوگاه آینده هوش مصنوعی خواهد بود، نه لزوماً مدلها یا سختافزار. XDOF هدفش ساختن لولههای داده (data pipelines)، ابزارهای جمعآوری و سامانههای برچسبگذاری/حاشیهنویسی است؛ خدماتی که آزمایشگاههای پیشرو و شرکتهای رباتیک بهراحتی قادر به ایجاد آنها در مقیاس نیستند. این استارتاپ تاکنون 70 میلیون دلار سرمایه از جمله از Thrive Capital، Spark Capital، a16z، Lux و WndrCo جذب کرده است.
چرا داده رباتیک متفاوت است؟
دادههای ویدیویی عمومی مانند کلیپهای یوتیوب یا فیلمهای ضبطشده توسط نیروهای فریلنس کیفیت لازم برای آموزش رباتها را ندارند: اغلب از نظر دید دوربین، فاصله تا اشیاء، پارامترهای فیزیکی و ساختار زمانی ضعیف و ناسازگار هستند. برای آموزش یک مدل پایه رباتیک (robotic foundation model) باید تعاملات دقیق بازوها، گِریز از خطاهای فیزیکی، نیروی تماس و زاویهها بهصورت همگن ثبت شوند — چیزی که فقط با مجموعه دادههای طراحیشده و کنترلشده ممکن است.
ریشه ایده XDOF
فیلیپ وو (Philipp Wu)، یکی از بنیانگذاران و مدیرعامل XDOF، مسئله کمبود دادهها را از طریق تجربه پژوهشی در دانشگاه UC Berkeley لمس کرد. او و همکارانش پروژهای به نام GELLO ساختند: یک سیستم کمهزینه تلهاپریشن (teleoperation) که به یک اپراتور انسانی اجازه میدهد بازوی رباتیک را کنترل کند و در نتیجه دادههای آموزشی تولید شود. این رویکرد بهسرعت برای جامعه رباتیک الهامبخش شد؛ زیرا بسیاری با همان گلوگاه کمبود داده روبهرو بودند.
راهاندازی XDOF و چشمانداز محصول
وو، فرد شنتو (Fred Shentu) بهعنوان CTO و نِمو جین (Nemo Jin) بهعنوان COO در اکتبر 2024 شرکت XDOF را بنیان گذاشتند. این شرکت که حدود 60 کارمند دارد، ادعا میکند هماکنون با حدود 20 مشتری — از جمله چند آزمایشگاه مرزی هوش مصنوعی — همکاری میکند. تمرکز XDOF فراتر از صرفاً تأمین داده است: پاکسازی دادهها، ابزارها و فرایندهای حاشیهنویسی هم جزو خدمات کلیدی هستند تا یک حلقه بازخورد خودتقویتکننده برای آموزشدهندگان رباتها ایجاد شود.
مجموعه داده ABC: بزرگترین مجموعه داده آموزشی رباتیک برای دانشگاهها
یکی از نخستین اقدامهای XDOF همکاری با آزمایشگاه تحقیقاتی هوش مصنوعی UC Berkeley برای انتشار مجموعه دادهای موسوم به ABC است که به گفته تیم سازنده، بزرگترین مجموعه داده آموزشی با کیفیت بالا در حوزه رباتیک تا به امروز است. محتوای این مجموعه شامل:
– 130,000 مسیر (trajectories) از دادههای مانور رباتیک
– 300 ساعت شبیهسازی
– 100 ساعت ارزیابیهای کنترلشده
این حجم و کیفیت از داده پیشازاین در مقیاس دانشگاهی در دسترس نبوده و میتواند امکان پیشرفتهای غیرمنتظرهای در آموزش مدلها فراهم کند؛ مشابه آنچه با انتشار دادهها و مدلها در حوزه زبان و تصویر رخ داده است.
استراتژی چندلایه داده
XDOF از مدل «هرم داده» سهلایهای صحبت میکند:
1) داده تلهاپریشن روی ربات هدف — باارزشترین نوع، چون دقیقاً روی سختافزار و محیط نهایی جمعآوری میشود.
2) تلهاپریشن روی رباتهای عمومیتر — مشابه GELLO، برای جمعآوری دادههای گستردهتر و عمومیتر.
3) داده اگوسنتریک (egocentric) — دادههایی که از دید انسانهای در حال انجام کارهای روزمره ضبط میشود؛ برای این منظور XDOF قصد دارد حسگرهای پوشیدنی مخصوص خود را تولید کند.
نقش سختافزار و اندازهگیریها
انتخاب دوربین، طراحی سختافزار حسگری و روشهای کالیبراسیون مستقیماً بر کیفیت داده و در نتیجه عملکرد الگوریتمهای دنبالکننده دست و تشخیص اثر میگذارد. وو تاکید میکند که اگر از ابتدا سختافزار خوب طراحی نشود، مجموعه دادههای تولیدشده ممکن است دارای خطاهای ساختاری پنهان باشند که بعداً مشکلات جدی ایجاد میکنند.
چرا مراکز بزرگ خود این کار را انجام نمیدهند؟
پاسخ کوتاه: مقیاس عملیاتی و تمرکز. برای تولید داده در سطح صنعتی نیاز به انبارهای بسیار بزرگ، صدها ربات، نگهداری و کالیبراسیون مداوم و تیمهای بزرگ اپراتور دارد؛ ساخت چنین زیرساختی زمانبر و سرمایهبر است. بسیاری از آزمایشگاهها ترجیح میدهند بر مدلسازی و تحقیق تمرکز کنند و تولید داده را به شرکتهای تخصصی برونسپاری کنند — دقیقاً همان بازار هدفی که XDOF روی آن سرمایهگذاری کرده است.
نامگذاری و چشمانداز
XDOF برگرفته از اصطلاح دامنههای آزادی (degrees of freedom) در رباتیک است؛ مفهومی که تعداد حرکتهای مستقل یک ربات را توصیف میکند. حرف X نشاندهنده بلندپروازی این شرکت برای پشتیبانی از «هر تعداد درجه آزادی» است. با توجه به سرمایه جذبشده، مجموعه دادهها و مشتریان اعلامشده، XDOF خود را بهعنوان یکی از بازیگران کلیدی زیرساخت دادههای رباتیک معرفی میکند — بخشی که ممکن است نقشی تعیینکننده در مسابقه بعدی هوش مصنوعی برای مهارتهای فیزیکی داشته باشد.