Репортаж от Wedoany，Правительство Южной Кореи недавно объявило о создании Национальной производственной базы данных (National Manufacturing Data Library) и оцифровке неявных знаний квалифицированных рабочих. Однако компании, занимающиеся физическим ИИ (Physical AI), отмечают необходимость одновременного решения ключевых вопросов, таких как методы сбора исходных данных на промышленных объектах, стандарты их систематизации и права доступа.
Успех или провал политики в области производственного ИИ в конечном итоге зависит от возможности создания «цикла обращения данных». Если данные физического ИИ просто хранить в репозитории, их будет сложно применить на промышленных объектах. Необходимо выстроить систему: сбор данных о движениях рабочих и технологических процессах, их очистка и верификация для использования в симуляции и обучении моделей, а затем обратная связь в виде данных о результатах применения роботов. Поэтому ключевым в будущем является то, как соединить государственную базу данных производственного AX (Manufacturing AX) с системой использования данных, необходимой индустрии физического ИИ. Только создав экосистему от сбора данных до разработки моделей, применения роботов на объектах и обратной связи по результатам, можно превратить производственную базу данных в общедоступную инфраструктуру для индустрии физического ИИ, а не просто в хранилище.
На «Национальном отчетном собрании по трем мегапроектам большого взлета Кореи», состоявшемся 29 июня в гостевом доме Чхонвадэ, правительство заявило о намерении развивать производственный ИИ и физический ИИ как национальные стратегические отрасли. Ключевые меры включают создание Национальной производственной базы данных, оцифровку неявных знаний квалифицированных рабочих и разработку базовой модели физического ИИ (Physical AI Foundation Model). В частности, на проект по преобразованию неявных знаний квалифицированных рабочих в данные в рамках дополнительного бюджета на 2026 год уже выделено 48 млрд вон.
Компании в сфере физического ИИ сходятся во мнении, что данные в настоящее время являются основным узким местом. Хотя графические процессоры (GPU) и вычислительная инфраструктура важны, для реальной работы роботов на промышленных объектах необходимо в первую очередь получить качественные исходные данные, включающие движения рабочих и технологические условия. В отличие от больших языковых моделей (LLM), физический ИИ должен учитывать такие аспекты реального мира, как сила, трение, контакт, отказы и безопасность. Чтобы робот мог захватывать детали, закручивать винты и перемещать предметы на заводе, требуются данные о движениях, адаптированные к конкретным объектам и отраслям.
Представитель AIRobot Ём Ун Соль (Yeom Woon-seol) отметил: «Для стартапов GPU, безусловно, важны, но самым большим узким местом являются данные. Без данных невозможно создать модели движений для роботов, а без моделей движений роботы не смогут действовать по требованию клиента». Он добавил, что в конечном итоге это затрудняет продажу роботов.
Проблема в том, что работа на производственных объектах различается в зависимости от отрасли. Требуемые движения в сталелитейной, автомобильной, пищевой, логистической, сборочной и других отраслях кажутся похожими, но на самом деле отличаются. Например, только процесс выпечки хлеба включает такие разные действия, как разделение теста, выдавливание его на бумагу для выпечки и управление оборудованием. Одной робототехнической компании или компании, занимающейся данными для ИИ, сложно напрямую получить данные о движениях из всех отраслей. Методы сбора данных также различаются: одни основаны на зрении, другие используют архитектуру «ведущий-ведомый» или дистанционное управление, что легко приводит к появлению данных, оптимизированных под конкретную руку робота или конкретную платформу.
Ём Ун Соль пояснил: «Данные, полученные с помощью конкретной руки робота, оптимизированы для этого робота. Другим компаниям для их использования потребуется повторная разметка и обработка, что равносильно двойной работе». Он считает, что альтернативой может быть эгоцентрический (Egocentric) подход, когда на рабочего устанавливается камера, снимающая движения рук от первого лица. Если получить видеозаписи движений рук сапожников, поваров, квалифицированных рабочих, то несколько робототехнических компаний смогут самостоятельно дорабатывать и использовать эти данные под своих роботов.
Заместитель представителя Tomorrow Robotics Чан Джун Хён (Jang Jun-hyun) подчеркнул важность стандартов данных. «Стандартов данных существует много, но они пока не унифицированы. Если компании и организации будут создавать данные в разных форматах, их взаимная совместимость будет затруднена, поэтому необходимы общие стандарты данных». Он пояснил, что данные от первого лица иногда эффективны, но могут быть дорогими, в то время как для некоторых задач достаточно данных от третьего лица. Ключевой вопрос — в каких единицах и форматах комбинировать углы, длину, информацию о суставах, силовую информацию, видеоинформацию и контекст работы.
Компания Wirobotics считает, что ключевое значение имеют качество и дизайн данных, а не их количество. Представитель компании отметил: «Данные с производственных объектов очень полезны и необходимы для разработки физического ИИ. Но важно не просто собрать большой объем данных, а с самого начала тщательно спроектировать типы собираемых данных, стандарты сбора и форматы данных в зависимости от задачи, стандартизировав их в осмысленные высококачественные данные».
Доступность также является проблемой. Если данные будут сконцентрированы на крупных производственных предприятиях или в фабриках данных, стартапы и специализированные робототехнические компании могут столкнуться с трудностями в их использовании из-за вопросов безопасности и интеллектуальной собственности. Представитель Wirobotics указал: «Данные на крупных предприятиях, имеющих производственные мощности, или в создаваемых ими фабриках данных могут быть труднодоступны для стартапов или робототехнических компаний из-за проблем безопасности и IP. Национальная производственная база данных должна быть реально открыта для робототехнических компаний». Tomorrow Robotics также подчеркнула важность структуры обмена данными. Заместитель представителя Чан Джун Хён сказал: «Хотя важно создать пространство или организацию, способную генерировать большие объемы данных для получения качественных данных, еще важнее сделать эти данные доступными для совместного использования».
Также стоит учесть уроки прошлых проектов по созданию данных для обучения ИИ. Правительство создавало крупномасштабные данные для обучения через AI Hub и другие платформы, но отрасль постоянно указывала на то, что «даже если данные есть, реальным компаниям их сложно напрямую использовать». Данные для физического ИИ сложнее, чем просто изображения или текст, поскольку они должны одновременно содержать движения рабочих, значения суставов робота, информацию о силе/контакте, рабочую среду и примеры отказов.
Отрасль в целом позитивно оценивает поставленную правительством цель «разработать собственную базовую модель физического ИИ за 3 года». Представитель Wirobotics отметил: «Я считаю возможным за 3 года разработать базовую модель физического ИИ первого поколения, демонстрирующую значимую производительность в определенных областях». Представитель MindAI также заявил: «Разработка собственной базовой модели физического ИИ за 3 года вполне возможна, результаты будут видны уже с этого года». Чан Джун Хён, в свою очередь, с точки зрения суверенного ИИ (Sovereign AI) указал: «Базовая модель для роботов — это, по сути, мозг человекоподобного робота. Мозг человекоподобных роботов, работающих на корейских заводах, не может быть основан только на китайских или американских моделях. Если использовать зарубежный „мозг", текущие технологические данные могут утечь».
Недавний спор об ограничениях доступа к Mythos5 и Fable5 от Anthropic усилил это осознание. Правительство США ограничило доступ к передовым моделям ИИ по соображениям национальной безопасности и экспортного контроля, и хотя позже ограничения были смягчены, это продемонстрировало риски зависимости от зарубежных передовых моделей. В областях, где циркулируют ключевые данные, такие как производство, оборона, безопасность и общественные услуги, суверенитет моделей ИИ перестал быть просто лозунгом технологической независимости. Представитель AIRobot Ём Ун Соль также признал необходимость собственной базовой модели, заявив: «Даже для того, чтобы сломать монополистическую экосистему, абсолютно необходима собственная базовая модель».
