Ce qui manque aujourd'hui
Séquences domestiques à long horizon, traces de manipulation multi-caméras, échecs de saisie tactiles, données d'intervention et ensembles de données d'évaluation liés à des contraintes de déploiement réelles.
Un rassemblement à haut niveau sur le prochain goulot d'étranglement de la robotique : quelles données manquent encore, ce que les équipes doivent collecter ensuite et comment connecter le matériel, la téléopération, l'annotation, l'évaluation, et le déploiement dans une véritable boucle opérationnelle.
Nous voulons une salle où les laboratoires, les startups, les opérateurs et les constructeurs de systèmes peuvent comparer leurs notes sur ce qui se passe. toujours absent des ensembles de données d'IA incorporés : données de défaillance, signaux tactiles, cas extrêmes, traces de récupération, corrections humaines, commentaires sur la flotte et flux de travail spécifiques au domaine.
Séquences domestiques à long horizon, traces de manipulation multi-caméras, échecs de saisie tactiles, données d'intervention et ensembles de données d'évaluation liés à des contraintes de déploiement réelles.
Quelles modalités de données sont les plus importantes désormais, jusqu'où la simulation peut aller seule, où les normes d'annotation ne sont toujours pas respectées et de quels nouveaux critères l'écosystème a réellement besoin.
Une carte plus claire de la pile de données robotiques, des modèles de collecte et d'annotation pratiques et des moyens concrets de transformer l'accès matériel en ensembles de données prêts à être entraînés.
Pas seulement des diapositives. De vrais robots, des plates-formes de collecte de données et des flux de travail des opérateurs sur le terrain.
Visible, abordable et pratique pour collecter des démonstrations de manipulation, des interventions d'opérateur et des itérations rapides de tâches.
À quoi ressemblent les données humanoïdes de grande valeur au-delà des clips isolés : intention, équilibre, contact, récupération et coût de supervision.
Comment les équipes passent des démonstrations aux pipelines de données reproductibles avec la téléopération, l'évaluation des politiques, l'assurance qualité des annotations et les commentaires du monde réel.
Traces d'échec, étiquettes d'incertitude, tentatives, interactions tactiles et séquences dans lesquelles les humains interviennent ou corrigent une politique.
De longues vidéos, des états de manipulation denses, un alignement multimodal, des intentions politiques et des étiquettes d'événements qui comptent sur le plan opérationnel plutôt que visuel.
Schémas partagés, métadonnées plus riches, hypothèses de transfert entre robots, provenance téléop, balises d'environnement et structure prête pour l'analyse comparative.
Un contrôle qualité hors ligne lié au risque de déploiement, une couverture de référence pour les cas extrêmes et des boucles qui relient les preuves de déploiement aux priorités de collecte.
Nous ne voulons pas d’un sommet qui se résume à « les données sont importantes ». Nous voulons montrer le full stack que les équipes peuvent utiliser : accès matériel, téléopération, capture multimodale, annotation structurée, assurance qualité et plate-forme qui maintient la boucle en mouvement.
OpenArm, humanoïdes, mains et systèmes mobiles qui génèrent des données d'interaction significatives au lieu de traces réservées aux jouets.
Teleop, vues de caméra, flux d'état, journaux d'intervention et métadonnées de session qui vous indiquent le déroulement réel d'une tâche.
Rubriques de tâches, rôles de réviseur, motifs de rejet, annotations versionnées et cheminement plus clair du média brut aux ressources prêtes à l'apprentissage.
Utilisez la télémétrie de la plateforme, l'historique des épisodes et l'examen des échecs pour décider quoi collecter ensuite au lieu d'attendre uniquement votre intuition.
L'étage de démonstration s'ouvre avec des stations robotisées, des exemples de collecte de données et des présentations de la plate-forme.
Les chercheurs et les opérateurs comparent l’écart entre les ensembles de données actuels et les besoins réels de déploiement.
Exposés courts et concrets sur les données tactiles, la supervision téléop, les lacunes d'évaluation et les goulots d'étranglement en matière d'annotation.
Une session intégrée sur les modèles de capture, de schéma, d'assurance qualité, d'annotation et de stockage que les équipes peuvent adopter immédiatement.
Benchmarks, formats partagés, modalités manquantes et ce qui pourrait améliorer réellement l’année prochaine en matière de données robotiques.
Rencontrez des chercheurs, des équipes matérielles, des opérateurs de données et des entreprises qui créent des piles d’IA incarnées.