脳波トレーニングロボット:人間の脳信号によって推進される物理的AIの次の飛躍

カリフォルニア州サンレアンドロの倉庫内で、データツールの企業Encordは革新的な実験を行っています。「パイロット」はカメラと脳波(EEG)センサー付きのヘッドセットを着用し、ジェンガをしながら脳の活動データを取得しています。Zander LabsのEEGヘッドセットは、精密な作業中に脳波をリアルタイムで追跡し、エラーや驚きなどの精神状態を推測して、ロボットモデルのためのより豊かなトレーニングデータセットを構築しています。
Encordは、人間型ロボットや倉庫ロボットの主要な課題はモデルアーキテクチャではなく、現実世界の物理トレーニングデータの深刻な不足であると主張しています。Encordのロボット学習責任者であるVineeth Velmuruganは、「このデータは単に存在しません」と指摘し、必要なデータ量はYouTubeのライブラリ全体の5倍に相当すると見積もっています。
物理AIの経済的ジレンマ:手動運用からデータ工場へ
倉庫内では、パイロットは「マスター・スレーブ」式のロボットアームデバイスを使用しています。1つは人間が操作し、もう1つはその動きを模倣して、コーヒーを注ぐやポーカーチップを積むなどのタスクのトレーニングデータを生成します。棚には、人工の花、本、プラスチック製の野菜、猫用トイレボックスが並べられており、家庭用ロボットハンドのトレーニング用プロップとして活用されています。別のステーションでは、パイロットのソフィア・インファンテがロボットアームを操作してサーバーのネットワークケーブルを挿抜しています。これはデータセンターの運用者から高く求められている自動化タスクですが、現在ではロボットグリッパーの柔軟性の不足によって制限されています。
脳波信号に加え、Encordは新しいデータモダリティの開発も進めています。前腕にセンサーアレイを取り付けて筋肉の電気信号を検出し、動画で指が見えない場合のギャップを埋めるために3次元の手軌道を作成します。各データセットには、物理的な動作の高密度注釈(例:「右手でボルトを締める」)が含まれています。Velmuruganは、この高品質な注釈は、通常のデータに比べて特定のタスクのトレーニングにおいて100倍の価値があると見積もり、生産コストは20倍高いに過ぎないため、理論的には利益を生むと述べています。
関連記事
AWSとNVIDIAが、エージェント型AIとフィジカルAIをどのように支えているか
NVIDIAのCEO、ジェンセン・フアン氏(写真提供:大隅智弘/ゲッティイメージズ)ジェンセン・フアン氏が率いるNVIDIAとAWSは、グローバルなパートナーシップを拡大し、次世代のエージェント型および物理AI向けエンタープライズインフラを支えるために200万個のGPUを導入するAWSとNVIDIAは、世界的に高まるAIインフラへの需要に応えるため、長年にわたる戦略的提携を大幅に拡大すると発表した
SenseTime、ネイティブ4K出力と完全なビジュアル編集機能を備えた80億パラメータの軽量マルチモーダルモデルを発表
SenseTimeは、軽量なネイティブ統合型マルチモーダル大規模モデル「SenseNova U1.5Lite」を正式にリリースしました。80億パラメータを備えたこの高効率なモデルは、主要な視覚タスクにおいて同規模の競合モデルを上回る性能を発揮し、複雑なレイアウトやテキストレンダリングのシナリオにおいても、大規模な商用モデルと同等の性能を発揮します。SenseNova U1.5Liteは、3K~4K
AI LIVE Londonの議題を形作る主要なAIに関する議論
このサミットには、世界中の経営幹部が集結し、AIによる変革から経済の変動に至るまで、世界の産業が直面する喫緊の課題について議論します。2026年10月20日~21日に開催される「AI LIVE: The London Summit」を見据え、『AI Magazine』は、企業の戦略とイノベーションを決定づける10の重要な議論を取り上げます。2026年10月20日~21日、「AI LIVE: The
関連特集おすすめ
コメント (0)
0/500

カリフォルニア州サンレアンドロの倉庫内で、データツールの企業Encordは革新的な実験を行っています。「パイロット」はカメラと脳波(EEG)センサー付きのヘッドセットを着用し、ジェンガをしながら脳の活動データを取得しています。Zander LabsのEEGヘッドセットは、精密な作業中に脳波をリアルタイムで追跡し、エラーや驚きなどの精神状態を推測して、ロボットモデルのためのより豊かなトレーニングデータセットを構築しています。
Encordは、人間型ロボットや倉庫ロボットの主要な課題はモデルアーキテクチャではなく、現実世界の物理トレーニングデータの深刻な不足であると主張しています。Encordのロボット学習責任者であるVineeth Velmuruganは、「このデータは単に存在しません」と指摘し、必要なデータ量はYouTubeのライブラリ全体の5倍に相当すると見積もっています。
物理AIの経済的ジレンマ:手動運用からデータ工場へ
倉庫内では、パイロットは「マスター・スレーブ」式のロボットアームデバイスを使用しています。1つは人間が操作し、もう1つはその動きを模倣して、コーヒーを注ぐやポーカーチップを積むなどのタスクのトレーニングデータを生成します。棚には、人工の花、本、プラスチック製の野菜、猫用トイレボックスが並べられており、家庭用ロボットハンドのトレーニング用プロップとして活用されています。別のステーションでは、パイロットのソフィア・インファンテがロボットアームを操作してサーバーのネットワークケーブルを挿抜しています。これはデータセンターの運用者から高く求められている自動化タスクですが、現在ではロボットグリッパーの柔軟性の不足によって制限されています。
脳波信号に加え、Encordは新しいデータモダリティの開発も進めています。前腕にセンサーアレイを取り付けて筋肉の電気信号を検出し、動画で指が見えない場合のギャップを埋めるために3次元の手軌道を作成します。各データセットには、物理的な動作の高密度注釈(例:「右手でボルトを締める」)が含まれています。Velmuruganは、この高品質な注釈は、通常のデータに比べて特定のタスクのトレーニングにおいて100倍の価値があると見積もり、生産コストは20倍高いに過ぎないため、理論的には利益を生むと述べています。
AWSとNVIDIAが、エージェント型AIとフィジカルAIをどのように支えているか
NVIDIAのCEO、ジェンセン・フアン氏(写真提供:大隅智弘/ゲッティイメージズ)ジェンセン・フアン氏が率いるNVIDIAとAWSは、グローバルなパートナーシップを拡大し、次世代のエージェント型および物理AI向けエンタープライズインフラを支えるために200万個のGPUを導入するAWSとNVIDIAは、世界的に高まるAIインフラへの需要に応えるため、長年にわたる戦略的提携を大幅に拡大すると発表した
SenseTime、ネイティブ4K出力と完全なビジュアル編集機能を備えた80億パラメータの軽量マルチモーダルモデルを発表
SenseTimeは、軽量なネイティブ統合型マルチモーダル大規模モデル「SenseNova U1.5Lite」を正式にリリースしました。80億パラメータを備えたこの高効率なモデルは、主要な視覚タスクにおいて同規模の競合モデルを上回る性能を発揮し、複雑なレイアウトやテキストレンダリングのシナリオにおいても、大規模な商用モデルと同等の性能を発揮します。SenseNova U1.5Liteは、3K~4K
AI LIVE Londonの議題を形作る主要なAIに関する議論
このサミットには、世界中の経営幹部が集結し、AIによる変革から経済の変動に至るまで、世界の産業が直面する喫緊の課題について議論します。2026年10月20日~21日に開催される「AI LIVE: The London Summit」を見据え、『AI Magazine』は、企業の戦略とイノベーションを決定づける10の重要な議論を取り上げます。2026年10月20日~21日、「AI LIVE: The





家






