Finansowanie physical AI według PitchBook sięga 48 mld USD, ale roboty wciąż potrzebują ludzkich nauczycieli
Finansowanie physical AI według PitchBook osiągnęło w tym roku niemal 48 mld USD, wynika z raportu Financial Times, jednak pieniądze nie rozwiązały kluczowego ograniczenia robotyki. Maszynom wciąż brakuje wystarczającej ilości użytecznych danych pokazujących, jak ludzie wykonują fizyczne zadania w zróżnicowanych, nieprzewidywalnych środowiskach.
Ten niedobór sprawia, że kamery trafiają do fabryk, biur, hoteli i domów. Pracownicy oraz opłacani współpracownicy nagrywają się podczas składania tkanin, sprzątania pomieszczeń, przenoszenia paczek, przygotowywania żywności i obsługi narzędzi. Firmy robotyczne przekształcają następnie te demonstracje w materiały treningowe dla maszyn.
Łączna wartość finansowania sprawia, że physical AI wygląda na kolejną wielką platformę obliczeniową. Praca stojąca za jej zbiorami danych opowiada jednak historię mniej zautomatyzowaną. Startupy wydają ogromne środki na rejestrowanie ludzkiej wiedzy praktycznej, prowadzenie ośrodków szkoleniowych dla robotów oraz wielokrotne wykonywanie zadań — tysiące razy.
To tworzy centralny konflikt tego sektora. Inwestorzy finansują systemy mające ograniczać pracę ludzi, podczas gdy twórcy są zależni od rosnącej siły roboczej, która uczy te systemy, jak przebiega praca fizyczna.
W przeciwieństwie do modeli językowych roboty nie mogą nauczyć się wszystkiego, przetwarzając materiały opublikowane już w internecie. Teksty internetowe zawierają opisy działań, ale rzadko rejestrują precyzyjny ruch, siłę, czas i zachowania korygujące wymagane do ich wykonania.
Twórcy, w tym Figure, Physical Intelligence, Generalist, Skild AI oraz kilku wyspecjalizowanych dostawców danych, realizują różne podejścia. Niektórzy zbierają nagrania z perspektywy pierwszej osoby. Inni zdalnie sterują ramionami robotów, budują symulowane środowiska lub łączą kilka metod.
Wyścig nie dotyczy już wyłącznie tego, kto zaprojektuje najsprawniejszego robota. Coraz bardziej staje się rywalizacją o to, kto zbuduje najlepszy proces przekształcania ludzkiej aktywności w niezawodne zachowanie maszyn.
Finansowanie physical AI według PitchBook zderza się z wąskim gardłem danych
Łączna kwota niemal 48 mld USD odzwierciedla przekonanie inwestorów, a nie potwierdzone kompetencje robotów.
Śledztwo dotyczące robot gyms opublikowane przez Financial Times opisuje sektor wydający miliardy na obliczenia, sprzęt i rzeczywiste operacje szkoleniowe. PitchBook dostarczył przywołany w tym raporcie szacunek finansowania od początku roku.
Liczba ta obejmuje firmy z obszaru robotyki i physical AI, a nie pojedynczą kategorię techniczną. Physical AI zwykle opisuje systemy, które postrzegają otoczenie, podejmują decyzje i działają za pośrednictwem maszyn w realnym świecie.
Kategoria obejmuje twórców humanoidów, firmy rozwijające modele bazowe dla robotów, dostawców danych oraz przedsiębiorstwa tworzące symulacje fizycznych środowisk. Ich produkty się różnią, lecz większość napotyka ten sam brakujący zasób.
Twórcy modeli językowych odziedziczyli ogromny cyfrowy zapis ludzkiej komunikacji. Książki, strony internetowe, repozytoria oprogramowania, dokumenty, fotografie i filmy dostarczyły materiałów, które można było zbierać i organizować na potrzeby treningu.
Robotyka nie ma porównywalnego zapisu działań powiązanych z fizycznymi rezultatami. Film może pokazać osobę zamykającą szufladę, ale same piksele mogą nie ujawniać przyłożonej siły ani położenia stawów. Nie pokazują też, co stało się, gdy szuflada się zacięła.
Użyteczna demonstracja dla robota może wymagać zsynchronizowanych ujęć z kamer, informacji o głębi, trajektorii ruchu, etykiet zadań oraz sygnałów sukcesu lub porażki. Praca wymagająca zręczności może również wymagać pomiarów dotyku lub siły.
Wymagania te utrudniają zbieranie i ponowne wykorzystywanie danych. Demonstracja zarejestrowana dla jednego korpusu robota może nie przenieść się łatwo na inną maszynę o innych dłoniach, stawach, kamerach lub zasięgu.
Znaczenie mają również środowiska. Model wyszkolony do podnoszenia identycznych przedmiotów przy oświetleniu laboratoryjnym może zawieść, gdy zmieni się opakowanie. Bałagan, odblaskowe powierzchnie, nieznane narzędzia, ludzie, zwierzęta domowe i ciasne przestrzenie wprowadzają dodatkową zmienność.
Boom finansowy wspiera więc coś więcej niż produkcję robotów. Kapitał płynie do nowego systemu wytwarzania danych, obejmującego zestawy nagraniowe, ludzkich operatorów, zespoły anotacyjne, wynajmowane obiekty i specjalistyczne oprogramowanie.
Opisywane inwestycje pokazują tę szerokość. Physical Intelligence pozyskało 600 mln USD przy raportowanej wycenie 5,6 mld USD. Mecka miała podobno pozyskać 60 mln USD od inwestorów, w tym Nvidia i Sequoia, a Xdof — 70 mln USD.
Te rundy nie dowodzą, która firma ma najsilniejsze modele. Pokazują, że inwestorzy postrzegają zbieranie danych i uczenie robotów ogólnego zastosowania jako strategiczne aktywa.
Nierozstrzygnięte pozostaje pytanie, czy te wydatki prowadzą do powstania maszyn, które odnoszą sukces poza kontrolowanymi demonstracjami. Finansowanie może kupić więcej sesji treningowych. Nie może zagwarantować, że model wyciągnie z nich właściwe uogólnienia.
To rozróżnienie ma znaczenie, ponieważ błędy robotów mają fizyczne konsekwencje. Chatbot może stworzyć kiepskie zdanie, nie tłukąc szklanki ani nie raniąc człowieka. Robot musi za każdym razem, gdy działa, połączyć percepcję, planowanie, ruch i bezpieczeństwo.
Finansowanie physical AI według PitchBook nasiliło wyścig o rozwiązanie tego problemu. Nie wyeliminowało jednak samego problemu.
Dlaczego dane treningowe dla robotów nie mogą po prostu pochodzić z internetu
Physical AI potrzebuje demonstracji powiązanych z działaniem, ucieleśnieniem i rezultatami, a nie jedynie filmów przypominających pracę.
Modele tekstowe i obrazowe uczą się wzorców w mediach cyfrowych. Roboty muszą przekładać dane sensoryczne na działania, które pozostają bezpieczne w zmieniających się warunkach fizycznych.
Weźmy pracownika hotelu składającego serwetkę bankietową. Zadanie obejmuje chwytanie elastycznego materiału, odnajdywanie krawędzi, utrzymywanie napięcia, wyrównywanie warstw i poprawianie drobnych błędów.
Zwykły film rejestruje część tej sekwencji. Może nie ujawniać nacisku palców, położenia nadgarstka ani reakcji pracownika, gdy tkanina się ślizga. Te ukryte szczegóły mogą decydować o tym, czy robot wykona zadanie.
Associated Press udokumentowała ten problem za pomocą demonstracji pracowników zebranych przez południowokoreański startup RLWRLD. Pracownicy hoteli, logistyki i handlu detalicznego nosili kamery podczas wykonywania wymagających umiejętności zadań.
Inżynierowie RLWRLD uzupełniali nagrania zestawami rzeczywistości wirtualnej, rękawicami do śledzenia ruchu i dodatkowymi demonstracjami. Powstałe zapisy obejmowały szczegóły takie jak kąty stawów i przyłożona siła.
Przykład ten pokazuje, dlaczego twórcy stosują kilka metod zbierania danych.
Nagrania z perspektywy pierwszej osoby, czyli egocentryczne, rejestrują zadanie z punktu widzenia pracownika. Mogą uchwycić naturalną aktywność na większą skalę, ponieważ ludzie nadal wykonują znane im obowiązki podczas noszenia kamer.
Teleoperacja rejestruje człowieka kontrolującego robota za pomocą joysticków, sprzętu rzeczywistości wirtualnej lub innego interfejsu. Pozwala to uzyskać działania bezpośrednio powiązane ze stawami i czujnikami maszyny.
Robot gyms tworzą powtarzalne stanowiska treningowe, na których operatorzy wielokrotnie wykonują wybrane zadania. Zespoły mogą standaryzować sprzęt, rejestrować błędy i dostosowywać poziom trudności zadań.
Symulacja generuje sztuczne środowiska i interakcje. Może tworzyć dane szybciej i bez ryzyka dla sprzętu, choć zachowanie wyuczone w symulacji może nie przenosić się idealnie do rzeczywistości.
Wdrożenia w realnym świecie dostarczają kolejnego wartościowego strumienia. Działający robot może rejestrować błędy, interwencje ludzi i nieznane sytuacje, tworząc materiał do późniejszego ulepszania.
Projekty akademickie pokazują wartość łączenia zbiorów danych z różnych instytucji i maszyn. Współpraca Google DeepMind Open X-Embodiment połączyła dane z 22 rodzajów robotycznego ucieleśnienia i 21 instytucji.
Projekt wykazał, że zróżnicowane doświadczenia robotów mogą poprawić transfer modeli. Ujawnił również wyzwanie związane ze standaryzacją. Dane zebrane przy użyciu różnych kamer, kontrolerów, zadań i korpusów robotów muszą zostać znormalizowane, zanim modele będą mogły wykorzystywać je łącznie.
Projekt DROID realizował pokrewny cel za pomocą rozproszonych danych robotycznych. Jego współtwórcy zgromadzili dziesiątki tysięcy trajektorii manipulacji w wielu środowiskach, zadaniach i lokalizacjach geograficznych.
Inicjatywy te stanowią ważną przeciwwagę dla zastrzeżonych programów zbierania danych. Wspólne badawcze zbiory danych mogą przyspieszać postęp naukowy, ale firmy wciąż chcą prywatnych danych dopasowanych do swoich produktów i docelowych klientów.
Robot magazynowy potrzebuje przykładów obejmujących konkretne pojemniki, regały, skanery i ograniczenia przepływu pracy. Robot domowy potrzebuje znacznie szerszego doświadczenia z przedmiotami gospodarstwa domowego, układami pomieszczeń, ludźmi i nieoczekiwanymi przerwami.
Internet oferuje obfitość filmów z obu tych środowisk. Większość materiałów została jednak stworzona dla ludzkich odbiorców, a nie do uczenia robotów. Ustawienie kamery, brakujące dane z czujników, montaż i niepewne rezultaty ograniczają ich wartość.
Twórcy physical AI próbują więc stworzyć odpowiednik wczesnego korpusu internetowego. Muszą wytwarzać go świadomie, po jednym zarejestrowanym działaniu i zmierzonym rezultacie naraz.
Ludzkie demonstracje stają się nowym łańcuchem dostaw robotyki
Wąskie gardło danych przekształca zwykłą pracę w cenny wkład do uczenia maszynowego.
Financial Times podaje, że Figure ma około 44 000 aktywnych współpracowników rejestrujących zadania w domu i w pracy. Uczestnicy otrzymują podobno średnio około 94 centów za każde ukończone zadanie.
Według raportu Figure planuje również wydać ponad 1 mld USD w ciągu najbliższych 12 miesięcy na usługi danych i obliczenia. To zobowiązanie sugeruje, że produkcja danych stała się kluczową funkcją operacyjną.
Proces przypomina wcześniejsze firmy zajmujące się etykietowaniem danych, lecz zlecenia są bardziej fizyczne. Zamiast kategoryzować obraz, współpracownik może czyścić powierzchnię, układać przedmioty, pakować torbę lub otwierać pojemniki.
Zarejestrowanie udanego przykładu to dopiero początek. Użyteczny zbiór danych potrzebuje wystarczającej różnorodności, aby model nie zapamiętał jednego pomieszczenia, przedmiotu czy wzorca ruchu.
Zespoły muszą zmieniać rozmiar, materiał i orientację przedmiotów, oświetlenie oraz otaczający bałagan. Muszą też rejestrować błędy, działania naprawcze i sytuacje, w których najbezpieczniejszym działaniem jest zatrzymanie się.
Anotacja dodaje kolejną warstwę. Twórcy mogą potrzebować etykiet dla etapów zadania, tożsamości przedmiotów, pozycji dłoni, zdarzeń kontaktu lub jakości wykonania.
Kontrola jakości staje się trudna, gdy zbieranie danych obejmuje tysiące współpracowników. Kamera może się przesunąć, zadanie może zostać wykonane nieprawidłowo albo nagranie może pominąć istotny ruch.
Prywatność również staje się kluczowa, gdy kamery trafiają do domów i miejsc pracy. Nagrania mogą ujawniać twarze, rodzinne rutyny, ekrany komputerów, zastrzeżone maszyny, adresy lub poufne dokumenty.
Firmy potrzebują jasnych procedur uzyskiwania zgody oraz kontroli przechowywania, dostępu, retencji i usuwania danych. Pracodawcy muszą też odróżniać dobrowolny udział od nadzoru narzucanego za pomocą autorytetu w miejscu pracy.
Rynek pracy związany z danymi dla robotów ma już charakter międzynarodowy. Scale AI prowadzi ośrodek danych w Meksyku, podczas gdy Xdof miało podobno rozszerzyć zbieranie danych w Shenzhen i Dżakarcie.
Raport „Financial Times” wskazuje, że niektórzy operatorzy robotów w Stanach Zjednoczonych otrzymują wynagrodzenie sięgające 25 dolarów za godzinę. Porównywalna praca w Meksyku ma podobno być opłacana mniej więcej o połowę niżej.
Niższe koszty pracy mogą sprawić, że wielokrotne gromadzenie danych stanie się ekonomicznie możliwe. Mogą też odtworzyć nierówne warunki, które ukształtowały wcześniejsze branże adnotacji danych.
Cytowany przez „Financial Times” dyrektor wyraził obawy dotyczące filmowania w trudnych warunkach pracy w Gurugramie w Indiach. Według raportu część pracowników nagrywano bez dodatkowego wynagrodzenia.
To oskarżenie nie dowodzi, że jest to powszechna praktyka w branży. Wskazuje jednak na kwestię zarządzania, której kupujący i inwestorzy nie mogą traktować jako operacyjnego przypisu.
Pracownicy dostarczają więcej niż ogólnych wzorców ruchu. Wnoszą wiedzę rozwijaną dzięki doświadczeniu, w tym wydajne sekwencje działań, oceny bezpieczeństwa i reakcje na nieregularne warunki.
Pracownik hotelu wie, z jaką siłą trzymać szklankę podczas polerowania. Pracownik magazynu rozpoznaje niestabilne opakowanie. Technik wyczuwa, kiedy komponent został prawidłowo osadzony.
Po zarejestrowaniu ta wiedza może stać się zasobem firmowym wielokrotnego użytku. Pracownik może otrzymać wynagrodzenie za sesję nagraniową, nie uczestnicząc jednak w wartości generowanej przez przyszłe systemy.
Organizacje pracownicze zaczynają kwestionować tę wymianę. Koreańska Konfederacja Związków Zawodowych ostrzegła, że automatyzacja może przerwać proces, dzięki któremu nowi pracownicy zdobywają specjalistyczną wiedzę.
Ta obawa tworzy głębszy paradoks. Firmy potrzebują doświadczonych pracowników, aby uczyć roboty, lecz powszechna automatyzacja może ograniczyć liczbę osób rozwijających przyszłą wiedzę ekspercką.
Problem nie dotyczy wyłącznie tego, czy roboty zastąpią miejsca pracy. Chodzi też o to, czy firmy zachowają ludzkie ścieżki szkoleniowe, które tworzą nowe metody, adaptacje i wiedzę ukrytą.
Przedsiębiorstwa zlecające tworzenie zbiorów danych dla robotów powinny dokumentować pochodzenie nagrań i sposób uzyskania zgody uczestników. Powinny także śledzić, czy wynagrodzenie odzwierciedla przechwytywaną wiedzę ekspercką.
Ta praca nad pochodzeniem danych przypomina utrzymywanie przeszukiwalnej bazy wiedzy AI, lecz dokumentacja obejmuje również kontekst fizyczny i zatrudnieniowy. Zbiór danych bez tego kontekstu może stwarzać ryzyko techniczne, prawne i reputacyjne.
Dane z ludzkich demonstracji stają się infrastrukturą dla fizycznej AI. Standardy ich pozyskiwania wpłyną na to, które systemy zyskają zaufanie po opuszczeniu laboratorium.
Prawdziwa rywalizacja to jakość danych kontra skala danych
Większa liczba zarejestrowanych godzin pomaga tylko wtedy, gdy uczy robota zachowań przenoszących się na niezawodne działania.
Inwestycje w sztuczną inteligencję często opierają się na prostym założeniu: większe zbiory danych i większa moc obliczeniowa tworzą silniejsze modele. Ten schemat napędzał postęp w generowaniu języka i obrazów.
Twórcy robotyki liczą, że podobny efekt skalowania dotyczy zachowań fizycznych. Badacze wciąż jednak nie mają uniwersalnej formuły łączącej liczbę nagranych godzin z sukcesem w niekontrolowanych środowiskach.
Ken Goldberg, profesor robotyki na University of California w Berkeley, określił w raporcie „Financial Times” oczekiwane korzyści z gromadzenia danych na dużą skalę jako „przeczucie”.
Jego sceptycyzm nie oznacza, że dane są bezwartościowe. Oznacza, że sektor nie wykazał jeszcze, iż dodawanie demonstracji w przewidywalny sposób rozwiązuje problemy manipulacji, planowania i generalizacji.
Milion godzin powtarzalnych nagrań może być mniej użyteczny niż mniejszy zbiór danych obejmujący istotną zmienność. Rzadkie awarie mogą mieć większą wartość szkoleniową niż tysiące rutynowych sukcesów.
System szkolony na czystych demonstracjach ryzykuje także nauczeniem się niepełnej wersji pracy. Rzeczywiste środowiska zawierają przerwy, uszkodzone obiekty, niejednoznaczne instrukcje i zadania, których należy odmówić wykonania.
Rozróżnienie między obserwacją a kontrolą stanowi kolejne wyzwanie. Ruch człowieka nie przekłada się bezpośrednio na robota o innej geometrii i innych ograniczeniach mechanicznych.
Ludzkie dłonie łączą dotyk, zręczność i szybką informację zwrotną. Wiele robotów używa prostych chwytaków dwupalczastych, ponieważ takie mechanizmy są łatwiejsze do kontrolowania i utrzymania.
Pięciopalczaste dłonie robotyczne obiecują szersze możliwości, zwłaszcza w domach. Dodają jednak przeguby, czujniki, tryby awarii i złożoność sterowania.
Model może poprawnie rozpoznać kubek, a mimo to zastosować zbyt dużą siłę. Może odtworzyć trajektorię ludzkiej dłoni, której jego własny sprzęt nie jest w stanie bezpiecznie wykonać.
Dlatego deweloperzy muszą połączyć wideo z reprezentacją, z której ich roboty mogą korzystać. Proces ten może obejmować estymację pozy, przenoszenie działań, kinematykę odwrotną i dodatkowe demonstracje teleoperowane.
Modele świata oferują inną drogę. Systemy te uczą się reprezentacji tego, jak środowisko zmienia się po wykonaniu działania, co pozwala oprogramowaniu przewidywać prawdopodobne wyniki, zanim robot się poruszy.
Platformy symulacyjne mogą wykorzystywać te przewidywania do generowania scenariuszy treningowych. Opisane przez Światowe Forum Ekonomiczne ramy fizycznej AI umieszczają symulację obok czujników świata rzeczywistego i podejmowania decyzji uwzględniającego kontekst.
Przekonująca scena symulowana nie gwarantuje jednak dokładnej fizyki kontaktu. Materiały miękkie, ciecze, tarcie, przedmioty podatne na uszkodzenie i używanie narzędzi nadal trudno precyzyjnie modelować.
Najsilniejsze procesy rozwoju prawdopodobnie połączą różne metody. Wideo z internetu może dostarczać kontekstu semantycznego. Ludzkie demonstracje mogą pokazywać naturalne strategie wykonywania zadań.
Teleoperacja może powiązać działania ze sprzętem robota. Symulacja może rozszerzyć zakres, a dzienniki wdrożeniowe ujawniają awarie, których projektanci nie przewidzieli.
Przewaga konkurencyjna leży w zarządzaniu tą pętlą. Firma musi identyfikować słabe zachowania, zbierać odpowiednie przykłady, ponownie trenować model i weryfikować poprawę na zadaniach odłożonych do testów.
Ocena ma równie duże znaczenie jak zbieranie danych. Publiczne demonstracje często pokazują udaną próbę, nie ujawniając przygotowań, wskaźników awarii ani interwencji operatora.
Nabywcy korporacyjni potrzebują miar powiązanych z rzeczywistymi operacjami. Obejmują one ukończenie zadania, skuteczność odzyskiwania sprawności, czas cyklu, częstotliwość interwencji i wydajność przy zmianach środowiskowych.
Robot, który odnosi sukces dziewięć razy w przygotowanym pomieszczeniu, może nadal nie nadawać się do aktywnego magazynu. Konsekwencje jego pojedynczej awarii mogą przewyższyć korzyści z udanych prób.
Kwota finansowania wynosząca 48 mld dolarów może wesprzeć szersze eksperymenty i lepszy sprzęt. Może też zachęcać firmy do traktowania wielkości zbioru danych jako substytutu dowodów.
Inwestorzy powinni pytać, jak materiał szkoleniowy zmienia wydajność, a nie tylko ile godzin firma zgromadziła. Nabywcy powinni wymagać testów przypominających ich obiekty i warunki ryzyka.
Finansowanie fizycznej AI staje się znaczące, gdy skraca drogę od demonstracji do niezawodnego wdrożenia. Do tego czasu zarejestrowane godziny pozostają wkładem, a nie wynikiem.
Presja finansowania przesuwa się z demonstracji robotów na dowody wdrożeniowe
Największa presja spoczywa na firmach obiecujących możliwości ogólnego zastosowania bez publikowania powtarzalnych dowodów z rzeczywistych miejsc pracy.
Startupy robotyczne przyciągnęły kapitał częściowo dzięki możliwości, że jeden model będzie sterował wieloma maszynami i zadaniami. Ta obietnica przypomina uniwersalność osiągniętą przez duże modele językowe.
Praca fizyczna jest mniej wyrozumiała. Model musi działać za pośrednictwem sprzętu, który się zużywa, napotyka opór i dzieli przestrzeń z ludźmi.
Systemy ogólnego przeznaczenia próbują wykorzystywać uczenie się ponownie w różnych zadaniach, zamiast programować każdy ruch osobno. Takie podejście może ograniczyć wysiłek wdrożeniowy, jeśli transfer działa niezawodnie.
Automatyzacja specyficzna dla zadania podąża inną drogą. Tradycyjne roboty przemysłowe wykonują wąskie operacje w zaprojektowanych komórkach, często z barierami i przewidywalnym rozmieszczeniem obiektów.
Systemom tym brakuje elastyczności kojarzonej z fizyczną AI. Oferują jednak ugruntowane praktyki bezpieczeństwa, mierzoną przepustowość i dobrze rozumiane wymagania konserwacyjne.
Podstawowa rywalizacja nie toczy się więc między jednym startupem a drugim. Jest to rywalizacja między obietnicą uczenia ogólnego przeznaczenia a operacyjną pewnością automatyzacji wyspecjalizowanej.
Fabryki nie zastąpią niezawodnej maszyny tylko dlatego, że humanoid wygląda na bardziej adaptacyjnego podczas demonstracji. Nowe systemy muszą poprawić ekonomię lub obsłużyć zadania, z którymi automatyzacja stała sobie nie radzi.
Domy stawiają jeszcze wyższe wymagania. Występuje w nich większa zmienność, bliższy kontakt z ludźmi i mniej przeszkolonych techników. Konsumenci prawdopodobnie nie będą też przeprojektowywać każdego pomieszczenia pod robota.
Relacja AP z Korei Południowej dobrze obrazuje tę lukę. Obecny humanoid może potrzebować kilku godzin na posprzątanie pokoju hotelowego, który pracownik kończy w około 40 minut.
Mimo to Lotte Hotel oczekuje, że roboty będą w nadchodzących latach wspierać sprzątanie i pracę na zapleczu. Jego przedstawiciele oszacowali, że humanoidy mogą ostatecznie obsługiwać od 30% do 40% części zadań przygotowawczych.
Liczby te opisują oczekiwania, a nie zweryfikowane wyniki wdrożeń. Pokazują również, że wczesne wdrożenie może obejmować częściową automatyzację zamiast całkowitego zastąpienia pracowników.
Firmy fizycznej AI muszą zidentyfikować segmenty, w których elastyczność rekompensuje wolniejszą wydajność. Możliwymi celami są nieregularne przenoszenie materiałów, mieszane zapasy i powtarzalne zadania usługowe.
Nabywcy będą porównywać te systemy z prostszymi alternatywami. Mobilna baza z wyspecjalizowanym ramieniem może przewyższać robota o ludzkim kształcie w wielu pracach przemysłowych.
Boom finansowania zwiększa presję, ponieważ większe rundy finansowania tworzą większe oczekiwania. Firmy muszą wspierać kosztowne programy sprzętowe, jednocześnie budując modele, zbierając dane i pozyskując klientów.
Dostawcy danych stoją przed własnym testem. Ich zbiory danych muszą poprawiać wydajność modeli w różnych środowiskach, a nie jedynie zaspokajać popyt na większą liczbę zarejestrowanych godzin.
Przedsiębiorstwa potrzebują również integracji z systemami bezpieczeństwa, oprogramowaniem do przepływów pracy, procesami konserwacji i szkoleniami pracowników. Zdolny model polityki działania stanowi tylko jedną warstwę produktu gotowego do wdrożenia.
Ta sama zasada dotyczy wewnętrznych dowodów. Filmy wybrane przez firmę nie mogą zastąpić ustrukturyzowanej oceny na niewidzianych wcześniej zadaniach.
Nabywcy powinni pytać, czy środowisko testowe pojawiło się w danych treningowych. Powinni sprawdzać, jak często interweniują ludzie i czy robot wykrywa własną niepewność.
Powinni też odróżniać zachowanie autonomiczne od teleoperacji. Zdalna pomoc może być użyteczna, ale zmienia wymagania dotyczące pracy i ekonomię działania.
Żadna z tych obaw nie podważa tezy dotyczącej fizycznej AI. Określają one dowody potrzebne do jej poparcia.
Najlepiej finansowane firmy mają obecnie zasoby, aby dostarczyć takie dowody. Ich kolejnym wyzwaniem jest pokazanie, że skala danych tworzy powtarzalną wydajność, a nie lepsze demonstracje.
Co obserwować po wzroście finansowania fizycznej AI o 48 mld dolarów
Trzy sygnały pokażą, czy cykl inwestycyjny buduje trwały rynek robotyki, czy kosztowny eksperyment z danymi.
Pierwszym sygnałem jest niezależnie zmierzona wydajność wdrożeniowa. Ogłoszenia powinny wskazywać wskaźniki ukończenia zadań, interwencje ludzi, godziny działania oraz wyniki w nieznanych środowiskach.
Dowody od płacących klientów będą miały większą wagę niż wewnętrzne testy laboratoryjne. Powtarzalne działanie w magazynach, fabrykach, hotelach lub domach wzmocniłoby argument za ogólną robotyką opartą na danych.
Słaby transfer między lokalizacjami osłabiłby go. Taki wynik sugerowałby, że firmy nadal potrzebują kosztownego ponownego trenowania dla każdego klienta i środowiska.
Drugim sygnałem jest mierzalny zwrot z większych zbiorów danych. Deweloperzy powinni pokazać, jak dodatkowe dane zmieniają wydajność w ocenach wyłączonych z treningu.
Przydatne ujawnienie mogłoby porównywać wskaźniki awarii przed i po dodaniu określonej klasy demonstracji. Mogłoby również pokazać, czy trening na jednym robocie poprawia działanie innego ucieleśnienia.
Jeśli postępy będą utrzymywać się w różnorodnych zadaniach, teza branży o skalowaniu stanie się silniejsza. Jeśli poprawa szybko się wypłaszczy, firmy będą potrzebować lepszych architektur, czujników lub metod doboru danych.
Trzecim sygnałem jest zarządzanie danymi rejestrowanymi przez ludzi. Firmy powinny ujawniać informacje o zgodzie, wynagrodzeniu, mechanizmach ochrony prywatności, zasadach retencji i geograficznym pochodzeniu danych.
Jasne standardy zmniejszyłyby ryzyko dla przedsiębiorstw i pomogły odróżnić odpowiedzialnych dostawców. Utrzymująca się nieprzejrzystość sprzyjałaby sprzeciwowi pracowników, sporom prawnym i bardziej rygorystycznym regulacjom.
Sygnały te są ze sobą powiązane. Słabo udokumentowane dane mogą prowadzić do powstawania stronniczych lub niewiarygodnych modeli. Niedostateczne oceny mogą ukrywać te problemy aż do chwili, gdy robot trafi do miejsca pracy.
Najbliższe kilka miesięcy powinno również pokazać, czy finansowanie skoncentruje się wokół kilku zintegrowanych platform. Firmy kontrolujące sprzęt, modele, gromadzenie danych i wdrożenia mogą szybciej ulepszać swoje systemy.
Wyspecjalizowani dostawcy nadal mogą odnieść sukces, oferując wysokiej jakości zbiory danych wielu klientom. Ich przewaga zależy od udowodnienia, że ich materiały sprawdzają się także poza jedną maszyną lub laboratorium.
Otwarte badania pozostaną ważne, ponieważ wspólne benchmarki stanowią punkt odniesienia dla zastrzeżeń wobec własnościowych twierdzeń. Publiczne zbiory danych nie są jednak w stanie odtworzyć każdego środowiska komercyjnego ani wymogu bezpieczeństwa.
Przedsiębiorstwa rozważające fizyczną AI powinny zaczynać od ograniczonych zadań i jasno określonych kryteriów sukcesu. Przed testowaniem robota powinny rejestrować bazowy nakład pracy, koszty awarii, potrzeby interwencji oraz zmienność warunków środowiskowych.
Zespoły potrzebują również trwałej dokumentacji demonstracji, zmian operacyjnych i wyników ocen. Przeszukiwalna techniczna baza wiedzy może pomóc zachować decyzje, które w przeciwnym razie znikają między zespołami inżynieryjnymi i operacyjnymi.
Finansowanie fizycznej AI według PitchBook pokazuje, że inwestorzy uważają, iż maszyny są gotowe uczyć się od świata fizycznego. Ważniejszym sprawdzianem jest to, czy firmy potrafią przekształcić ludzką wiedzę ekspercką w bezpieczne, powtarzalne i ekonomicznie użyteczne działania.
Obserwuj dane dotyczące wdrożeń, a nie tylko łączną kwotę finansowania. Pytaj, kto rejestrował materiały szkoleniowe, jak uzyskano zgodę i czy dodatkowe dane poprawiły wyniki w niewidzianych wcześniej zadaniach.
Branża robotyczna już pozyskała znaczący kapitał. Teraz musi udowodnić, że jej rosnąca kadra ludzi szkolących roboty potrafi tworzyć maszyny, które z czasem potrzebują mniej pomocy.
