چرا ربات‌ها به اندازهٔ مدل‌های زبانی داده ندارن
هوش مصنوعیClaude Opus 5خلاصهٔ کامل‌تر
نویسنده که شریک یه شرکت سرمایه‌گذاریه، تو این مقاله می‌گه گلوگاه اصلی رباتیک داده‌ست. مدل‌های زبانی مرزی روی تریلیون‌ها توکن متن از وب پیش‌آموزش دیدن و اینترنت عملاً یه پیکرهٔ آموزشی رایگان بود که بشریت دسته‌جمعی جمعش کرده بود؛ تو رباتیک همچین چیزی وجود نداره. Open X-Embodiment، بزرگ‌ترین دیتاست باز ربات، حدود یک میلیون مسیر حرکتی از ۲۲ نوع ربات داره که از یکی‌کردن ۶۰ دیتاست ده‌ها آزمایشگاه جمع شده.
سرگی لواین از Physical Intelligence فاصلهٔ دادهٔ ربات با دادهٔ چندوجهی رو یک تا دو مرتبهٔ بزرگی تخمین می‌زنه. مدل π0 روی حدود ۱۰ هزار ساعت دادهٔ ربات آموزش دیده، پس بستن این فاصله یعنی چیزی حدود یک میلیون ساعت. نویسنده اضافه می‌کنه که دادهٔ ربات از نظر حجم سنگینه ولی سیگنالش کمه: ۳۰ فریم در ثانیه از نزدیک‌شدن آروم یه گریپر به فنجون، خیلی کمتر از ۳۰ توکن متن اطلاعات داره.
ایدهٔ هرم داده رو تیم GR00T انویدیا مطرح کرده: دادهٔ وب تو پایه، دادهٔ مصنوعی وسط و دادهٔ واقعی ربات تو نوک — هرچی بالاتر می‌ری حجم کمتر میشه ولی دقت و تطابق با سخت‌افزار بیشتر. نویسنده این هرم رو به هفت لایه می‌شکنه: ویدیوی اینترنتی، ویدیوی زاویه‌اول، ویدیوی غنی‌شده با برچسب حرکت و عمق، ثبت دستی با گریپر (UMI)، دادهٔ شبیه‌سازی، تله‌اپریشن و در نهایت دادهٔ استقرار واقعی.
هر لایه معاملهٔ خودشو داره: ویدیوی یوتیوب مفت و بی‌نهایته ولی عمق و نیرو نداره، و تله‌اپریشن دقیق‌ترین داده رو می‌ده ولی ساعتی بالای ۱۰۰ دلار خرج برمی‌داره. نویسنده معتقده هیچ‌کس نمی‌دونه چقدر داده کافیه — لواین هم در جواب اینکه ۱۰۰ برابر لازمه یا ۱۰۰۰ برابر گفته نمی‌دونیم — و سؤال عملی‌تر برای یه تیم رباتیک اینه که ارزون‌ترین ترکیب این هفت منبع برای رسیدن به قابلیت اطمینان موردنیازش چیه.
نکات کلیدی:
- رباتیک برخلاف مدل‌های زبانی هیچ پیکرهٔ آموزشی رایگان و اینترنت‌مقیاس نداره
- بزرگ‌ترین دیتاست باز ربات حدود یک میلیون مسیر حرکتی از ۲۲ نوع ربات داره
- هرم داده هفت لایه داره: از ویدیوی وب تا دادهٔ استقرار واقعی
- پژوهش‌ها نشون دادن ویدیوی زاویه‌اولِ فیلترشدهٔ انسان می‌تونه از همون حجم دادهٔ تله‌اپ بهتر جواب بده
- Sunday Robotics می‌گه مدل ACT-1 رو با حدود ۱۰ میلیون اپیزود خانگی و صفر دادهٔ ربات آموزش داده
- دادهٔ استقرار مشکل مرغ و تخم‌مرغ داره: باید ربات به اندازهٔ کافی خوب باشه تا اصلاً مستقر بشه
