Encord 联手 Zander Labs 用脑波数据训练物理 AI 模型
通过脑波标记机器人操作数据，有望解决物理 AI 训练数据稀缺问题。
机器人训练数据极度稀缺，业界尝试用脑电波测量操作者的意图、错误和惊讶等心理状态，来生成更高质量的训练数据。Encord 和 Zander Labs 正在加州仓库中试验这种方法，希望突破物理 AI 的数据瓶颈。
正文摘录
物理 AI 的下一把钥匙是脑电波吗？ 物理 AI 的前沿阵地，是加州圣莱安德罗一座仓库里的层层叠叠 (Jenga) 游戏。 那座仓库属于 [Encord](https://encord.com/)，一家为训练 AI 模型构建数据工具的公司。Andrew Ceja 是一名“飞行员”（公司对机器人训练师的称呼）。他戴着带有摄像头的头显（用来追踪他所看到的东西），正小心翼翼地从一座摇摇欲坠的积木塔中抽出木块。仅就收集机器人训练数据而言，这本身相当常见；但这副头显还配备传感器，在他小心拆塔时测量他的脑电波。 Encord 是在人形机器人和仓储机器人领域押注的下一个真正瓶颈不再是模型架构、而是真实世界物理训练数据极度稀缺的初创公司之一——这类公司数量虽少，但正在增长。Encord 不只要帮助机器人公司管理它们已有的数据，还围绕制造它们所没有的数据来构建业务。 Ceja 佩戴的脑电波头显由 [Zander Labs](https://www.zanderlabs.com/) 打造，这是一家德国神经科学初创公司，押注测量大脑活动（从而推断出错误、意图、惊讶等心理状态）能创建更有用的数据集来训练模型。Encord 与 Zander 的合作目前是试验性项目；Encord 表示，目标是先构建一个带有脑电波标记的初始数据集，放到客户机器人模型上运行，评估它是否确实能提升性能，然后再决定是否将其规模化。 负责监督这项工作的 Zander 神经科学家 Lucas Gehrke 说，在给定任务中任何时刻所用到的脑活动量，能为模型构建者提供线索，帮助他们判断何时需要部署最大努力模型。 Encord 机器人学习主管 Vineeth Velmurugan 称，这是解决机器人数据瓶颈的“最前沿”。