Hjärnvågsdata kan förbättra fysisk AI
Företag utforskar användningen av hjärnvågsavkännare för att förbättra träningsdata för robotar. Ny teknik kombinerar visuell information från robotens uppgifter med mätningar av hjärnaktivitet.
Inom utvecklingen av fysisk artificiell intelligens (AI) utforskas nya metoder för att förbättra träningsdata för robotar. En lovande riktning är mätning av hjärnaktivitet, vilket skulle kunna ge en djupare förståelse för robotars prestanda och beslutsfattande.
Det amerikanska företaget Encord testar för närvarande, i samarbete med tyska Zander Labs, hjälmar utrustade med hjärnvågsavkännare. Människor som bär dessa hjälmar utför fysiska uppgifter, som att demontera ett träblockstorn. Systemet registrerar både bärarens synfält och deras hjärnvågor under uppgiften.
Zander Labs mål är att använda hjärnans aktivitet – inklusive identifiering av mentala tillstånd som fel, avsikt och överraskning – för att skapa mer användbar data för att träna AI-modeller. Encords syfte är att verifiera om denna typ av data faktiskt förbättrar robotikmodellers prestanda innan den tas i full skala.
Begränsningen av realtidsdata från den fysiska världen har allmänt identifierats som en flaskhals för dataöverföring inom robotik. Nya metoder baserade på hjärnaktivitet syftar till att lösa denna utmaning genom att tillhandahålla rikare och mer detaljerad information som kan bidra till att utveckla mer effektiva och responsiva robotar för olika fysiska uppgifter.