O gargalo de dados que trava a revolução robótica
No coração de um armazém em San Leandro, Califórnia, um operador chamado Andrew Ceja retira cuidadosamente blocos de madeira de uma torre oscilante de Jenga. Nada fora do comum, exceto pelo headset que ele usa: além de uma câmera que registra tudo o que ele vê, o dispositivo possui sensores capazes de medir suas ondas cerebrais em tempo real.
Ceja é um “piloto”, termo que a empresa Encord usa para seus treinadores de robôs. E o que ele está fazendo pode representar um dos próximos passos mais importantes no desenvolvimento da inteligência artificial física, campo que une robótica avançada e modelos de linguagem de grande porte para criar máquinas capazes de operar no mundo real.
A Encord, empresa de ferramentas de dados usadas para treinar modelos de IA, é uma das startups apostando que o próximo grande obstáculo para robôs humanoides e sistemas de automação de armazéns não será a arquitetura dos modelos de IA, mas sim a escassez de dados de treinamento do mundo físico. Em vez de apenas gerenciar os dados que as empresas de robótica já possuem, a Encord está construindo um negócio em torno de fabricar os dados que ainda não existem.
Por que a IA física precisa de dados tão diferentes
A inteligência artificial generativa que alimenta chatbots como o ChatGPT foi treinada com enormes quantidades de texto, imagens e vídeos disponíveis na internet. Para os modelos de linguagem, raspar dados de sites como o Stack Overflow e o restante da web custou quase nada às empresas de fronteira. Mas gerar dados de treinamento físicos não funciona da mesma forma.
Segundo Vineeth Velmurugan, chefe de aprendizado robótico da Encord e veterano do laboratório de robótica da OpenAI e da Berkshire Grey, empresa de automação de armazéns, o desafio é imenso: “Os dados simplesmente não existem.”
Velmurugan afirma que será necessário um conjunto de dados equivalente a cinco vezes o corpus de vídeos do YouTube para se alcançar um avanço real em IA física. Uma escala que ajuda a explicar por que a geração de dados em si se tornou um negócio, e não apenas um problema de pesquisa.
Ondas cerebrais como nova camada de contexto
É aqui que o headset de ondas cerebrais desenvolvido pela Zander Labs, startup alemã de neurociência, entra em cena. O dispositivo mede a atividade cerebral e deduz estados mentais como erro, intenção e surpresa, gerando metadados valiosos para o treinamento de modelos robóticos.
Lucas Gehrke, neurocientista da Zander que supervisiona os testes na Encord, explica que “a quantidade de atividade cerebral usada em qualquer ponto durante uma determinada tarefa oferece pistas para os criadores de modelos que tentam descobrir quando precisam acionar seus modelos de maior esforço.” Em outras palavras: o headset ajuda a identificar os momentos mais críticos de uma tarefa, nos quais um robô precisaria do maior nível de processamento e atenção.
A parceria entre Encord e Zander Labs é ainda um projeto piloto. O objetivo é criar um conjunto de dados inicial com marcações de ondas cerebrais, executá-lo em modelos de robótica dos clientes e avaliar se isso realmente melhora o desempenho antes de decidir se vai escalar o projeto.
Como os robôs são treinados hoje
Atualmente, as empresas que desenvolvem o “cérebro” dos robôs recorrem principalmente a duas fontes de dados: vídeos “egocêntricos”, coletados por trabalhadores que usam câmeras na cabeça, muitas vezes combinados com outros ângulos e métricas adicionais, e dados de robôs operados remotamente por humanos.
A Encord realiza ambos os tipos de coleta. No armazém de San Leandro, os pilotos usam rigs “líder-seguidor”: pares de braços robóticos, um controlado diretamente pelo humano e outro que imita seus movimentos, para criar dados sobre tarefas como servir café em xícaras ou empilhar fichas de pôquer. “Toda empresa de humanoide nos pediu esses conjuntos de dados”, diz Velmurugan.
As prateleiras da instalação guardam caixas de flores artificiais em vasos, livros, vegetais plásticos, bandejas e pás para areia de gato, sacos e feixes de fios elétricos, todos usados para treinar manipuladores robóticos em tarefas domésticas. Em outra estação, a piloto Sofia Infante manobra braços robóticos para conectar e desconectar cabos de rede da parte traseira de servidores, o tipo de trabalho que os operadores de data centers adorariam automatizar se os robôs conseguissem fazê-lo com a precisão necessária.
O custo da qualidade nos dados
Uma das maiores apostas da Encord é que a qualidade dos dados vale muito mais do que o volume bruto. Os conjuntos de dados da empresa são anotados com descrições físicas do que cada vídeo contém, como “mão direita aperta parafuso”, para ajudar os modelos baseados em LLMs a compreender o que está acontecendo.
Velmurugan estima que esse tipo de anotação densa vale 100 vezes mais do que “dados egocêntricos brutos” para o treinamento de tarefas específicas, e custa apenas 20 vezes mais para produzir. No papel, é uma boa troca. Mas “20 vezes mais” ainda é dinheiro real, e esse é o limite da comparação entre IA física e modelos de linguagem de grande porte: esse tipo de dado precisa ser fabricado, não apenas coletado, o que muda completamente a economia de desenvolvimento desses modelos.
A Encord também está desenvolvendo uma nova modalidade de dados usando sensores presos ao antebraço para detectar sinais elétricos nos músculos. Vídeos de mãos humanas manipulando objetos geralmente não captam a mão inteira, mas Velmurugan espera construir uma representação 3D da posição da mão a qualquer momento com base nos sensores do braço, criando uma compreensão mais robusta para os modelos.
Uma janela para toda a indústria
Com visibilidade sobre os programas de diversas empresas ao mesmo tempo, a Encord tem uma posição privilegiada para identificar quais técnicas de dados estão ganhando terreno em toda a indústria, antes mesmo que qualquer cliente individual possa perceber. Esse é um dos diferenciais da empresa em relação a concorrentes como a Scale, onde os pilotos Ceja e Infante trabalharam antes de se juntar à Encord.
O progresso na área é real e acelerado. Velmurugan afirma ter visibilidade sobre programas de startups e laboratórios de fronteira ao mesmo tempo, o que permite identificar o que está funcionando antes de qualquer empresa individualmente conseguir. É uma posição estratégica única no ecossistema emergente de IA física.
Para desenvolvedores, engenheiros de machine learning e entusiastas de tecnologia, o que está acontecendo em armazéns como o da Encord em San Leandro é um vislumbre do futuro próximo: robôs que aprendem com dados cada vez mais ricos e precisos, treinados por humanos com headsets que medem até as ondas do cérebro. A corrida por dados de treinamento para IA física está apenas começando, e as soluções inovadoras surgindo agora mostram o quanto o campo ainda tem a explorar.
Fonte: TechCrunch – Are brain waves the next unlock for physical AI?
