A robotok tanításával most akár a hétköznapi felhasználók is pénzt kereshetnek. A Figure AI az Index nevű alkalmazásában azért fizet, ha valaki videóra veszi, hogyan ágyaz be, hajtogat ruhát, takarít vagy végez el más mindennapi feladatokat. Az így összegyűjtött felvételekből a vállalat a saját Helix humanoid robotjai tanulnak. A program négy hónapos próbaidőszaka alatt már 16 millió videót töltöttek fel, a közreműködőknek pedig összesen 15 millió dollárt fizettek ki.
Így lehet pénzt keresni a hétköznapi feladatok rögzítésével
A Figure korábban Project Go-Big néven működtette az adatgyűjtő programot, majd augusztus 25-én hivatalosan is bemutatta az Indexet. Az alkalmazás Androidra és iOS-re is megjelent.
A felhasználók az alkalmazáson keresztül jelentkezhetnek közreműködőnek, majd a felkínált feladatok közül választhatnak. A Figure Index-oldala szerint a vállalat szükség esetén felvevőeszközt is biztosít, a résztvevőket pedig a rögzített idő alapján fizeti ki.
A feladatok között ágyazás, ruhahajtogatás, főzés, takarítás, szemétürítés és rendrakás is szerepelhet. Üzleti környezetből éttermi, raktári, gyári és irodai munkafolyamatokat várnak. A Figure olyan felvételeket is említ, amelyeken macskaalmot takarítanak, autóban olajat cserélnek vagy egy étteremben szedik le az asztalt.
Az egyes munkákért járó pontos összeg, az országonként elérhető feladatok száma és a kifizetés valamennyi feltétele nem szerepel a nyilvános bejelentésben, de az oldal alapján legalább két feltöltés már hazánkból is érkezett a vállalathoz.
Már 15 millió dollárt fizettek ki
A Figure közlése szerint az Index korai hozzáférésű próbaverzióját annak első négy hónapjában 264 000-en töltötték le 108 országból. A szolgáltatásnak több mint 44 000 heti aktív felhasználója van, akik összesen 16 millió videót küldtek be.
A vállalat eddig 15 millió dollárt fizetett ki a közreműködőknek. A kifizetések és a feltöltések számának egyszerű összevetése videónként körülbelül 94 centes díjazásra utal (kb. 290 Ft), ez azonban valószínűleg nem tekinthető átlagos kifizetésnek. A felvételek eltérő hosszúságúak lehetnek, különböző tevékenységeket rögzíthetnek, a cég pedig akár el is utasíthat bizonyos (pl.: rossz minőségű, ismétlődő vagy megtévesztő) felvételeket, amelyek mind hatással lehetnek az átlagos kifizetésre.
A vállalat szerint jelenleg másodpercenként 30 percnyi videót dolgoznak fel. Ez naponta 43 200 órának, vagyis megközelítőleg 4,9 évnyi videónak felel meg.
A videózás adatvédelmi kérdéseket is felvet. A lakásokban készített felvételeken családtagok, személyes tárgyak, iratok, képernyők vagy az otthon elrendezése is megjelenhet. A Figure adatvédelmi tájékoztatója szerint a vállalat gyűjthet a felhasználóról és a környezetéről készült fényképeket, videókat és más felvételeket és ezeket a szolgáltatás működtetésére, fejlesztésére és kutatásra használhatja fel.
Így lesz a videóból robotikai tanítóadat
A nagy nyelvi modellek az interneten felhalmozott szövegekből és képekből tanulhatnak. A fizikai környezetben működő robotok számára viszont jóval kevesebb használható adat áll rendelkezésre.
Egy robotnak azt is meg kell tanulnia, hogyan fogjon meg egy poharat, nyisson ki egy szekrényt, hajtogasson össze egy ruhát vagy közlekedjen egy zsúfolt helyiségben. Ehhez olyan felvételekre van szükség, amelyek a feladat teljes folyamatát és az egymást követő mozdulatokat is megmutatják.
Az ilyen adatokat hagyományosan robotok távirányításával, kézi betanítással vagy számítógépes szimulációkban állítják elő. Ezek a módszerek költségesek, és nehéz velük kellően sokféle lakást, tárgyat és váratlan helyzetet lefedni.
Az Index ezt a munkát szervezi ki a felhasználóknak. Minden új közreműködő más környezetet, eltérő tárgyakat és saját munkamódszert visz az adatbázisba. A Figure szerint minden ezerórányi összegyűjtött anyagban átlagosan 373 feladat, 1146 manipulált tárgy és 116 különböző környezet jelenik meg.
A Figure ötlépcsős feldolgozórendszert épített a videók szűrésére, vagyis a feltöltött anyagok nem kerülnek bele automatikusan a fő robotirányító modell tanítóanyagába.
Elsőként automatikus ellenőrzés vizsgálja a felbontást, a képkockasebességet, a megvilágítást és azt, hogy a videó valóban a megjelölt feladatot mutatja-e. Ezután emberi ellenőrök is átnézik az anyagot, hogy kiszűrjék a kifizetési rendszert kijátszani próbáló felhasználókat.
A rendszer eltávolítja az egymáshoz túlságosan hasonló felvételeket is. Ezzel elkerülhető, hogy több millió, szinte azonos ruhahajtogatási videó növelje az adatbázist anélkül, hogy új helyzeteket mutatna a modellnek.
A megmaradt anyagokat ezután feladattípusok és képi hasonlóság alapján kiegyensúlyozzák. Végül minden elfogadott videó részletes szöveges leírást kap, amelyben a teljes feladat és az azt alkotó kisebb mozdulatok leírásai is szerepelnek.
Bár az emberi videó gyorsan és viszonylag olcsón gyűjthető, de nem tartalmaz minden információt, amelyre egy robotnak szüksége lehet. A felvételen például látszik, hogyan emel fel valaki egy poharat, de az már nehezebben állapítható meg, hogy mekkora erővel fogja, hogy ne essen ki a kezéből, vagy mennyire kell csökkenteni a nyomást, hogy ne törje össze.
Saját munkánk automatizálásához gyártunk tanítóadatot
A Figure a következő 12 hónapban több mint egymilliárd dollárt tervez adatgyűjtésre és az azt feldolgozó számítási kapacitásra fordítani. A cég eddig közzétett statisztikái azt mutatják, hogy emberi felvételekből rövid idő alatt hatalmas robotikai adatbázis építhető.
Az Index ezzel különös munkapiaci helyzetet teremt. A közreműködők jelenleg pénzt kapnak azért, hogy megmutassák, hogyan végzik el a hétköznapi feladataikat. Az így létrehozott adatállományból viszont később olyan robotok tanulhatnak, amelyek ugyanezeket a munkákat önállóan is képesek lesznek elvégezni, és idővel kiválthatják az emberek helyét a munkaerőpiacon.