脳波がロボット学習データに加わる

何が起きたか

AI モデル学習向けデータツールを開発する Encord が、ドイツの神経科学スタートアップ Zander Labs との試験を進めている。ロボット学習データに脳波測定値でタグ付けするもので、眼球運動と脳活動を追跡するヘッドセットを装着したパイロットが、ジェンガのブロック引き抜きなど物理的作業を実施。エラーや意図、驚きといった精神状態をキャプチャしたアノテーション付き学習データを生成している。

なぜ重要か

ロボット業界は現実世界の物理的学習データの極度の不足に直面しており、この制約がモデルアーキテクチャそのものより重要になる可能性がある。Encord の内部分析によれば、ロボットに大規模言語モデルがインターネットテキストで達成した水準の操作能力を教えるには、YouTube の動画コーパスの約 5 倍の規模のデータセットが必要になるという。物理データはスクレイピングではなく製造する必要があるため、高品質なラベル付き学習データのコストと希少性がビジネスのボトルネックになっており、脳波信号はモデル学習にとって最も重要な時点を明らかにして効率を向上させる可能性を持つ。

注目点

Encord は脳波でタグ付けされたデータが実際にロボットモデルの性能を改善するかどうかを評価する試験として実施中で、スケール拡大を決める前の段階にある。同社の San Leandro 倉庫では筋肉の電気信号を検出する前腕センサーを使って 3D 手の位置データを作成するなど、他の新しいデータモダリティも実験中。Encord は世界中の工場から自己視点動画を取得し、遠隔操作ロボットアーム（リーダーフォロワーリグ）を使って特定タスク向けの学習データを生成している。