Les empreses de robòtica porten temps buscant com resoldre un coll d'ampolla concret: a diferència dels models de text, que s'han pogut entrenar amb quantitats immenses de dades disponibles a internet, els robots necessiten dades d'interacció física real amb el món, que són molt més escasses i cares d'obtenir.
Encord, una companyia especialitzada en eines de dades per entrenar models d'IA, ha començat a col·laborar amb Zander Labs, una startup alemanya de neurotecnologia, per provar si l'activitat cerebral pot enriquir aquestes dades. En una instal·lació d'Encord a San Leandro, Califòrnia, treballadors porten un casc desenvolupat per Zander Labs que mesura ones cerebrals per detectar estats mentals com l'error, la intenció o la sorpresa, mentre Encord hi suma sensors a l'avantbraç que detecten senyals musculars per situar amb precisió la posició de les mans en tres dimensions. Els operaris duen a terme tasques com desmuntar torres de Jenga, abocar cafè en una tassa, apilar fitxes de pòquer o connectar i desconnectar cables Ethernet, mentre teleoperen robots a distància. "És la vora més avançada" de la recerca, ha declarat el responsable d'aprenentatge de robots d'Encord, Vineeth Velmurugan, que sosté que una anotació densa d'aquest tipus "val cent vegades més" que el vídeo en brut.
La notícia és rellevant perquè explora una via alternativa i encara poc habitual per alimentar els models de robòtica física, en un moment en què la inversió en robots humanoides i IA agèntica es dispara i el principal fre ja no és la potència de càlcul sinó la manca de dades d'interacció física prou riques.
Encord mateixa admet que es tracta encara d'una prova pilot: l'objectiu ara és construir un primer conjunt de dades etiquetades amb ones cerebrals, provar-lo amb models de robòtica de clients i avaluar si en millora realment el rendiment abans de decidir si val la pena escalar la tècnica a tot el sector.