Відеодані для тренінгу зі штучного інтелекту в робототехніці: Оцінка вартості

Дефіцит втілених даних

Оскільки галузь ШІ переходить від великих мовних моделей (LLM) до фізичного ШІ, основним вузьким місцем стало не текст, а «втілені» дані. Тоді як LLM навчалися на величезному просторі загальнодоступного Інтернету, роботизовані системи загального призначення (GPR) вимагають високоякісного відео фізичних завдань — жестів, які рідко фіксуються у високій якості. Для малих та середніх підприємств у сферах виробництва, ремесел або технічних послуг цей дефіцит перетворює звичайні відеозаписи з майстерні на клас високоцінних активів.

Наразі ринок страждає від величезного «розриву в даних» щодо ручної спритності. Згідно з дослідженням, що лежить в основі проєкту Ego4D, однієї з найбільших спроб подолати цей розрив, моделям ШІ потрібні тисячі годин відео від першої особи ( егоцентричного), щоб зрозуміти, як люди взаємодіють з об'єктами в реальному світі (https://ego4d-data.org/). Якщо ваша організація знімає — або може знімати — експертні ручні жести, ви володієте «глибоким золотом» епохи робототехніки.

Що робить відео з майстерні цінним?

Не все відео однакове. Покупці даних з таких компаній, як Scale AI, яка нещодавно залучила 1 мільярд доларів при оцінці в 13,8 мільярда доларів для масштабування ланцюгів постачання даних (https://scale.com/blog/series-f), шукають конкретні атрибути, які роблять набір даних «придатним для навчання». Для робототехніки цінність зосереджена в егоцентричному відео: кадрах, знятих з точки зору працівника (наприклад, за допомогою камер, закріплених на голові). Ця перспектива є критично важливою для навчання роботів відтворювати людську координацію рук і очей.

Ключові чинники цінності включають:

• Складність завдання: Рутинне складання є цінним, але не повторюване вирішення проблем (наприклад, ремонт унікальної механічної несправності) вимагає преміальної ціни.
• Багатомодальні метадані: Відео, що супроводжуються телеметрією, такою як дані датчиків сили-крутного моменту або показники IMU (інерційного вимірювального блоку), можуть збільшити ціну за годину в 3-5 разів.
• Рівень експертизи: Дані, що демонструють майстра-ремісника, значно цінніші, ніж дані новачка, оскільки моделі ШІ схильні наслідувати ефективність демонстратора.

Для детального розбору того, як підготувати вашу майстерню до збору даних, зверніться до нашого посібника про те, як ваші відео з майстерні коштують цілий статок для робототехніки.

Розкриті ринкові орієнтири та ціноутворення

Хоча багато угод з даними залишаються конфіденційними, ринок встановив чіткі діапазони залежно від рівня анотації та рідкісності. Розкриті угоди на високоякісні, спеціалізовані відеодані для навчання зазвичай поділяються на дві категорії:

1. Сирі промислові архіви: Великі обсяги неанотованих відеозаписів з майстерні наразі оцінюються від 50 до 150 доларів за годину придатного до використання контенту. Цінність нижча через високу вартість постобробки та маркування.
2. Анотовані набори дій: Набори даних, де кожен жест позначений часовою міткою та описаний (наприклад, «підняти гайковий ключ на 10 мм», «застосувати крутний момент 5 Нм»), можуть коштувати від 400 до 1200 доларів за годину. Вищий кінець цього діапазону зарезервований для нішевих галузей, таких як аерокосмічна промисловість або виробництво прецизійних медичних пристроїв.

Масштаб інвестицій у цю сферу є величезним. Наприклад, Wayve нещодавно залучила 1,05 мільярда доларів у рамках фінансування серії C спеціально для розробки «втіленого ШІ» для автономних систем (https://wayve.ai/news/wayve-raises-1-05-billion-series-c/), сигналізуючи про довгостроковий інституційний попит на дані, що живлять ці моделі.

Технічний контрольний список для продавців даних

Перш ніж звертатися до покупця або розміщувати оголошення на ринку, переконайтеся, що ваші дані відповідають цим критеріям «прийняття рішення»:

• Роздільна здатність та частота кадрів: Мінімум 1080p при 30 кадрів/с; 60 кадрів/с є кращим для швидких ручних жестів, щоб уникнути розмиття руху.
• Послідовність освітлення: Промислові середовища часто мають різкі тіні; послідовне освітлення з високим індексом передачі кольору (CRI) значно покращує вилучення ознак для ШІ.
• Відповідність вимогам конфіденційності: Усі персональні дані (PII) повинні бути можливими для редагування. Покупці знизять ціну на набори даних, які вимагають складного юридичного узгодження для облич або пропрієтарних конструкцій інструментів.
• Різноманітність сценаріїв: 100 годин одного й того ж жесту менш цінні, ніж 100 годин 10 різних завдань у 5 різних умовах освітлення.

Що це означає для вас

Для власників даних вікно для використання переваг «першопрохідця» в галузі даних для робототехніки відкрито. Оскільки базові моделі для робототехніки стандартизуються, попит на високоякісні дані про ручні жести в реальному світі лише зростатиме. Незалежно від того, чи є ви малим та середнім підприємством, яке прагне монетизувати існуючі архіви, чи фондом, що оцінює дані портфельних компаній, кількісна оцінка «готовності до робототехніки» ваших відеоданих є першим кроком до успішної транзакції.

Ознайомтеся з нашим поточним каталогом наборів даних, щоб побачити, як подібні промислові активи позиціонуються на світовому ринку.