Gebrek aan trainingsdata belemmert ontwikkeling humanoïde robots
De vooruitgang van mensvormige robots loopt vertraging op door een tekort aan geschikte trainingsdata. Waar taalmodellen putten uit het internet, ontbreekt vergelijkbaar materiaal voor fysieke machines.
De ontwikkeling van humanoïde robots ondervindt hinder doordat er onvoldoende geschikte trainingsdata voorhanden is. Softwaremodellen voor algemeen gebruik kunnen leunen op de enorme hoeveelheid tekst en beeld op het web, maar voor fysieke robots werkt die vlieger niet op.
De kloof tussen digitale data en fysieke actie
Fysieke machines moeten leren navigeren in de echte wereld en objecten manipuleren met hun actuatoren. Omdat dergelijke interacties in de fysieke ruimte plaatsvinden, is er simpelweg minder gestandaardiseerde informatie beschikbaar om deze systemen mee te trainen dan bij digitale taal- en beeldmodellen.
Dit dataprobleem is een hardnekkige hindernis in de robotica. Fabrikanten zoeken naar alternatieve methoden, zoals simulaties en synthetische data, om de leercyclus van robots te versnellen en de kloof met de digitale AI-vooruitgang te dichten.
Deze samenvatting is gebaseerd op een origineel artikel van AI Business. Lees het volledige, originele bericht bij de bron.
Lees het originele artikel