Encord ve Zander Labs, Beyin Dalgalarıyla Fiziksel AI’nın Ve

Encord, robotik eğitim verisinin kıtlığına yenilikçi bir çözüm sunarak fiziksel AI’nın geleceğini yeniden şekillendiriyor.

Beyin Dalgalarıyla Veri Üretiminin Evrimi

San Leandro’daki bir depo, robotik manipülasyon görevleri için Jenga kulesi yıkımını izleyen bir pilotun beyin dalgalarıyla etiketlenmiş video akışına ev sahipliği yapıyor. Bu yaklaşım, geleneksel veri toplama yöntemlerinin ötesinde, gerçek dünya sinyallerinin doğrudan modele aktarılmasını mümkün kılıyor.

Zander Labs’in Nörolojik Katkısı

Almanya merkezli Zander Labs, beyin aktivitesini ölçen bir başlık geliştirdi; bu cihaz, hata, niyet ve şaşkınlık gibi zihinsel durumları algılayarak veri setine katıyor. Pilot Andrew Ceja bu başlığı takarken, sistem hem görsel hem de nörolojik veriyi senkronize kaydediyor.

Fiziksel AI’da Veri Açığının Ekonomik Boyutu

■5× YouTube’un video arşivi büyüklüğünde bir veri seti, fiziksel AI’da kırılma noktasını temsil ediyor.

■100× yoğun etiketli verinin değeri, düşük kaliteli “ego veri”ya kıyasla.

■20× maliyet artışı, hâlâ yatırım getirisi açısından cazip bir oran.

■Zander Labs ve Encord arasındaki pilot, beyin dalgası etiketli verinin model performansına etkisini ölçmeyi hedefliyor.

Endüstri İçindeki Rekabetçi Dinamizm

Encord, robotik firmalarına hem “egocentric” video hem de nörolojik sinyallerle zenginleştirilmiş veri akışı sunarak, veri üretimini bir hizmet haline getiriyor. Bu, robotik firmalarının kendi veri toplama altyapılarına yatırım yapma ihtiyacını azaltarak, sektördeki rekabet avantajını yeniden dağıtıyor.

Yatırım ve Büyüme Perspektifleri

Şirket, veri üretimindeki ölçeklenebilirlik sorununu çözmek için yeni modaliteler (beyin dalgaları, kas sinyalleri) geliştirmeye devam ediyor. Bu yenilik, yüksek katma değerli veri setlerinin fiyatını artırsa da, uzun vadede robotik AI’nın maliyet yapısını değiştirebilir.

Kaptan Rıza Deniz – Fiziksel AI’nın veri eksikliği, sektördeki en büyük maliyet sürücüsü. Encord’un beyin dalgası tabanlı veri yaklaşımı, yalnızca bir niceliksel artış değil, aynı zamanda veri kalitesinde devrim sunuyor. Eğer bu model, robotik performansını %10‑15 oranında artırabilirse, 20× maliyet farkı bile yatırımcılar için cazip bir risk‑ödül profili oluşturur. Bu trend, yakın gelecekte veri‑odaklı start‑up’ların sermaye akışını yeniden yönlendirebilir ve büyük robotik oyuncuların Ar‑Ge bütçelerinde yeni bir kalem olarak yer alacaktır.