Gehirnwellendaten zur Verbesserung von physischer KI
Unternehmen erproben Gehirnwellensensoren zur Optimierung von Robotertrainingsdaten. Neue Technologie kombiniert visuelle Daten von Roboteraufgaben mit Messungen der Gehirnaktivität.
Die Spitzenforschung im Bereich der physischen künstlichen Intelligenz (KI) erforscht neue Methoden zur Verbesserung von Trainingsdaten für Roboter. Ein neuester Ansatz misst Gehirnwellen, um tiefere Einblicke in die Leistung und Entscheidungsfindung von Robotern zu ermöglichen.
Das US-Unternehmen Encord testet derzeit in Zusammenarbeit mit dem deutschen Start-up Zander Labs Helme, die mit Gehirnwellensensoren ausgestattet sind. Menschliche Bediener, die physische Aufgaben ausführen, wie z.B. das Zerlegen eines Holzklotzturms, tragen diese Helme. Die Technologie erfasst nicht nur das Sichtfeld des Bedieners, sondern auch seine Gehirnwellenaktivität während der Aufgabe.
Ziel von Zander Labs ist es, Gehirnaktivitäten – wie Fehler, Absichten und Überraschungen – zu nutzen, um wertvollere Datensätze für das Training von KI-Modellen zu erstellen. Encord beabsichtigt zu überprüfen, ob diese Daten die Leistung von Robotikmodellen verbessern, bevor die Technologie breitflächig eingesetzt wird.
Die Knappheit realer physischer Trainingsdaten wurde als erhebliches Engpass in der Robotikentwicklung identifiziert. Diese neuen, auf Gehirnwellen basierenden Methoden zielen darauf ab, diese Herausforderung zu bewältigen, indem sie reichhaltigere und detailliertere Informationen liefern, was potenziell zu effektiveren und reaktionsschnelleren Robotern führen könnte.