Industria robotică face pași importanți în dezvoltarea roboților capabili să îndeplinească sarcini diverse în mediul real, dar pentru ca aceste sisteme să poată funcționa în siguranță, baza lor devine colectarea unei cantități masive de date despre modul în care oamenii interacționează cu obiectele și se mișcă în cotidian. Companii precum startup-ul american Micro1 se ocupă de această activitate, recrutând mii de persoane care înregistrează activități din viața de zi cu zi, precum gătitul, curățenia sau grădinăritul.
Colectarea globală de date pentru învățare automată
Micro1 are sediul în Palo Alto și colaborează cu peste 4.000 de participanți din 71 de țări, iar aceștia trimit lunar peste 160.000 de ore de filmări. Participanții trebuie să filmeze cel puțin zece ore săptămânal, acoperind diverse activități și medii. Reprezentanții companiei afirmă că această cantitate de date nu este încă suficientă pentru a dezvolta roboți autonomi complet funcționali. Experții estimează că pentru antrenarea sistemelor robotice vor fi necesare miliarde de ore de înregistrări, dat fiind complexitatea situațiilor din viața reală.
Un exemplu relevant vine dintr-un tweet al laboratorului Micro1, care evidențiază faptul că se colectează date din peste 75 de țări, în peste 6.000 de medii diferite, pentru a crea modele inteligențe artificiale capabile să co-există în lumea fizică. Într-un astfel de mediu divers, roboții trebuie să se adapteze la mișcări variate, obiecte diferite și scenarii imprevizibile.
Piața globală de colectare și etichetare a datelor pentru inteligența artificială este proiectată să depășească 10 miliarde de dolari până în 2030, cu o creștere anuală estimată la 30%. Investițiile din Asia și dezvoltarea roboților umanoizi sunt considerate principale motive ale acestui impuls economic.
De ce filmările din viața reală sunt esențiale
După o perioadă în care roboții erau antrenați în principal prin control direct de operatori umani sau simulări digitale, studiile au arătat limitele acestor metode. Simulările nu reușesc să reproducă complet complexitatea interacțiunilor din mediul real, mai ales în cazul manipulării obiectelor precum pahare, haine sau folosirea unor ustensile de bucătărie.
Filmările din perspectiva persoanei care execută activitatea — numite „date egocentrice” — oferă informații mult mai precise despre mișcări, poziții și manipularea obiectelor. Aceste date sunt utilizate pentru antrenarea roboților astfel încât aceștia să poată învăța să interacționeze eficient în mediile cotidiene.
Progresele recente în inteligența artificială permit roboților să interpreteze imaginile și să transforme datele vizuale în mișcări fizice. Însă, experții spun că roboții general-purpose, capabili să funcționeze în casele oamenilor, rămân o provocare majoră. Multe situații din mediul domestic sunt imprevizibile, iar roboții trebuie să învețe să gestioneze obiecte variate, spații în schimbare și interacțiuni cu mai mulți oameni în același timp.
Provocări de siguranță și fiabilitate pentru roboți în mediul domestic
În prezent, roboții umanoizi sunt folosiți mai ales în medii controlate, precum fabrici sau centre logistice, unde succesul execuției sarcinilor depășește 95%. În schimb, în cazul activităților mai simple din casă, precum împăturirea unui tricou sau manipularea ustensilelor, rata de succes se menține în jurul valorii de 70-80%.
Experții avertizează că pentru a putea fi introduși în locuințe și spații domestice, roboții trebuie să devină mult mai fiabili și siguri. În plus, trebuie să fie capabili să gestioneze variabilitatea situațiilor și riscurile legate de siguranța oamenilor, evitând accidentele sau greșelile care ar putea avea consecințe grave.
Pentru a realiza această evoluție, cercetătorii lucrează la îmbunătățirea algoritmilor și la crearea unor sisteme de învățare continuă, care să permită roboților adaptarea în timp real la condițiile din mediul înconjurător. În acest sens, continuă eforturile de colectare și etichetare a datelor din mediile reale, printre cele mai importante proiecte fiind cele ale Micro1 și alte companii din sectorul de inteligență artificială. În 2026, se preconizează ca aceste modele să fie mai sigure, mai fiabile și mai eficiente în utilizarea la scară largă.
