Zwei chinesische Firmen verbessern Trainingsdaten für Roboterlernen

Robotik

Der Roboter-KI-Anbieter Lingchu Zhineng hat sein Modell Psi-R2.5 vorgestellt, das den Abgleich zwischen menschlichen Bewegungsdaten und Roboterbewegungen verbessern soll. Laut einem Tech-Blog des Unternehmens wandelt ein neues Verfahren echte Aufnahmen von Robotergreifern in passende menschliche Handbewegungen um, statt wie bisher umgekehrt vorzugehen. Parallel dazu stellte der Datenanbieter Mifeng Keji am 23. September die Plattform Mifeng Pai vor, über die Privatpersonen per Crowdsourcing Trainingsdaten für Roboter sammeln können. Beide Berichte drehen sich um dieselbe Frage: wie menschliche Bewegungsdaten so aufbereitet werden, dass Roboter sie tatsächlich nutzen können.

Bei Lingchu Zhineng heißt das Ergebnis „starke Paardaten“: Bild und Bewegung von Mensch und Roboter stimmen dabei Bild für Bild überein, und die Roboterbewegung lässt sich auf einer echten Maschine abspielen. Ein Konverter erzeugt aus echten Roboteraufnahmen passende menschliche Aufnahmen, die wiederum ein weiteres Modell trainieren, das aus menschlichen Videos Roboterdaten erzeugt. Nach Angaben des Unternehmens erreichte eine Aufgabe zum Verpacken von Handy-Kartons nach mehreren Trainingsrunden mit menschlicher Beteiligung und Reinforcement Learning eine Erfolgsquote von rund 99 Prozent, bei einem Zeitaufwand von ein bis zwei Arbeitstagen. Mifeng Keji gibt an, mit 20.000 Erfassungsgeräten der Serie MEgo bereits eine Million Stunden Daten aus 22 Szenenkategorien gesammelt zu haben; ein Bewertungssystem namens ManiEval stuft die Daten in vier Qualitätsklassen ein, ohne sie vorab auszusortieren.

Beide Berichte verweisen auf Figures Plattform Index als Vergleichspunkt: Figure hatte im Vormonat eine Crowdsourcing-Datenplattform für Roboter vorgestellt und sein Modell Helix 2.5 in 30 zuvor nicht erfassten Haushalten getestet. Laut Mifeng-Chef Yao Maoqing soll die Infrastruktur für die Datenerfassung künftig ähnlich wichtig werden wie einst das Stromnetz für die Elektrizität.

Für mich zeigt der Vergleich beider Ansätze, dass sich die Debatte in der chinesischen Robotik-Szene von der reinen Datenmenge wegbewegt. Lingchu Zhineng argumentiert ausdrücklich gegen das bloße Zählen von Stunden und setzt auf exakte Abgleichung zwischen menschlicher und maschineller Bewegung. Mifeng Keji skaliert dagegen über Crowdsourcing die Menge, verspricht aber ebenfalls Qualitätskontrolle durch Klassifizierung statt Filterung. Wer in diesem Markt mithalten will, muss künftig zeigen, dass die eigenen Daten nicht nur zahlreich, sondern auf ein konkretes Robotermodell übertragbar sind. Anbieter, die bislang allein mit Stundenzahlen geworben haben, dürften sich stärker rechtfertigen müssen, sobald Übertragbarkeit zum eigentlichen Maßstab wird.

Offen bleibt: Alle genannten Erfolgsquoten und Datenmengen stammen ausschließlich aus Angaben der beiden Unternehmen selbst, unabhängige Bestätigungen liegen nicht vor.

Quellen: Quantum Bit RSSHub · Quantum Bit