Persaingan di industri embodied AI berfokus pada hambatan data. Qiongche Intelligence bekerja sama dengan Alibaba Cloud untuk menciptakan jalur produksi otomatisasi data berbasis cloud. Menggunakan solusi UMI untuk mengumpulkan data operasi robot, namun setelah pengumpulan, data harus melalui tahapan kompleks seperti pemulihan pose, kalibrasi fisheye, pemotongan aksi, dan anotasi multimodal. Alibaba Cloud menyediakan kemampuan komputasi terdistribusi untuk mengotomatisasi seluruh proses, meningkatkan throughput data lebih dari 10 kali lipat, serta secara elastis memperluas daya komputasi cloud hingga lebih dari 100.000 CU, meningkatkan efisiensi pelatihan model sekitar 50%. Kolaborasi ini membuktikan bahwa data robot dapat membangun sistem produksi berskala dan standar, memberikan dukungan data berkelanjutan untuk iterasi model, serta menjadi kapasitas infrastruktur baru bagi perusahaan embodied AI.

Penulis artikel, sumber: GeekPark

Jika 2025 dianggap sebagai tahun ledakan embodied intelligence, maka tahun ini, persaingan industri sudah memasuki tahap baru.

Dari semakin banyak perusahaan robot di dalam dan luar negeri yang meluncurkan produk baru, hingga modal yang terus ditambahkan, kecerdasan tubuh sedang menjadi salah satu arah paling diperhatikan di bidang AI. Namun, seiring perkembangan pesat industri ini, sebuah konsensus baru sedang terbentuk: yang sebenarnya membatasi kecepatan evolusi robot bukan lagi hanya model, melainkan data.

Berbeda dengan model bahasa besar yang dapat memanfaatkan sejumlah besar teks di internet, robot perlu mempelajari kemampuan operasional di dunia nyata. Setiap pengambilan, pemindahan, atau tugas pengaturan harus terjadi secara nyata, sekaligus merekam secara bersamaan informasi multimodal seperti visual, gerakan, dan trajektori. Bagaimana terus-menerus memperoleh data berkualitas tinggi dan mengubah data tersebut menjadi dataset yang dapat dipelajari oleh model menjadi tantangan baru yang dihadapi oleh semakin banyak perusahaan kecerdasan tubuh.

Sebagai perusahaan kecerdasan tubuh domestik, Qiongche Intelligence selalu membangun infrastruktur robot berdasarkan siklus "data—pelatihan—deploy". Baru-baru ini, Qiongche Intelligence bekerja sama dengan Alibaba Cloud untuk menciptakan jalur produksi otomatisasi data berbasis cloud, dengan tujuan meng升级 proses pemrosesan data robot dari model yang bergantung pada tenaga manusia dan operasi perangkat tunggal menjadi proses industri yang dapat diskalakan, memberikan dukungan data berkelanjutan untuk iterasi model.

01

Di era robot, yang benar-benar langka adalah data

Bagi kecerdasan tubuh, masalah data tidak hanya terletak pada "tidak bisa mengumpulkan", tetapi juga pada "tidak bisa memproses".

Qiongche Intelligence menggunakan solusi UMI (Universal Manipulation Interface) untuk pengumpulan data. Operator hanya perlu memegang perangkat dan melakukan gerakan alami seperti mengambil, membuka pintu, dan memindahkan barang, sehingga perangkat akan secara sinkron merekam gambar sudut pandang pertama, posisi cengkeram, dan jejak gerakan, memberikan data operasi berkualitas tinggi untuk pelatihan robot.

Namun, tantangan sebenarnya sering terjadi setelah pengumpulan.

Data mentah ini perlu melalui beberapa tahap kompleks sebelum dapat digunakan untuk pelatihan model, seperti pemulihan pose, kalibrasi kamera fisheye, pemotongan aksi, dan anotasi multimodal. Rekonstruksi SLAM visual memerlukan daya GPU yang besar; gambar fisheye perlu dikoreksi distorsi dan dikalibrasi frame per frame; aksi kontinu harus dipotong menjadi tugas-tugas atomik dan diberi deskripsi bahasa alami yang sesuai; seiring dengan meningkatnya skala pengumpulan, ratusan jam data video juga memberikan tekanan besar pada keseluruhan komputasi.

Pekerjaan-pekerjaan ini tidak hanya memerlukan komputasi besar, tetapi seluruh prosesnya melibatkan beberapa tahap pemrosesan; jika salah satu tahap terganggu, hal itu dapat memengaruhi perhitungan ulang seluruh data. Bagi perusahaan kecerdasan tubuh, pemrosesan data sedang menjadi kemampuan infrastruktur baru yang memerlukan sistem lengkap yang mampu mendukung daya komputasi elastis, penjadwalan otomatis, pelacakan seluruh proses, serta kolaborasi pelatihan model.

02

Sebuah jalur produksi data yang berjalan di awan

Bagaimana cara mempercepat pelatihan robot

Untuk menyelesaikan masalah-masalah ini, Qiongche Intelligence bekerja sama dengan Alibaba Cloud membangun pipeline UMI Data + AI end-to-end, dengan harapan mengubah proses pengolahan data yang terpisah-pisah menjadi jalur produksi data yang otomatis.

Pada tahap pemrosesan data, Alibaba Cloud MaxCompute MaxFrame menyediakan kemampuan komputasi terdistribusi untuk membagi tugas-tugas seperti distorsi video, pemulihan pose SLAM, dan anotasi multimodal ke sumber daya云端 untuk dieksekusi secara paralel. Komputasi skala besar yang sebelumnya bergantung pada satu mesin kini dapat secara fleksibel memperluas daya komputasi sesuai skala tugas, meningkatkan efisiensi pemrosesan keseluruhan. Seiring itu, kemampuan model besar juga secara langsung diintegrasikan ke dalam alur pemrosesan data, memungkinkan anotasi semantik otomatis pada segmen gerakan, sehingga mengurangi biaya anotasi manual.

Seluruh proses pemrosesan data diatur secara terpadu oleh DataWorks. Baik penjadwalan berkala, pelaksanaan ulang data historis, maupun pemulihan otomatis saat terjadi gangguan, semuanya dapat dilakukan di platform terpadu, mengurangi intervensi manual dan memastikan kelancaran berkelanjutan dari seluruh rantai produksi data.

Data yang telah diproses akan masuk ke Hologres untuk manajemen terpadu, menyediakan layanan data real-time untuk pencarian sampel, audit data, dan manajemen pelatihan selanjutnya; kemudian masuk ke platform PAI untuk menyelesaikan pelatihan model, optimasi kinerja, dan verifikasi deploy, membentuk siklus lengkap dari produksi data hingga pelatihan model hingga umpan balik efek.

Kerja sama ini juga menghasilkan efek nyata. Pemrosesan data Qiongche Intelligence telah dioptimalkan secara otomatis sepanjang proses, meningkatkan throughput keseluruhan lebih dari 10 kali, annotasi multimodal dapat diselesaikan secara otomatis dalam skala besar, daya komputasi cloud dapat diperluas secara elastis hingga 100.000+ CU, dan efisiensi pelatihan model meningkat sekitar 50%.

Bagi industri embodied intelligence, kerja sama ini membuktikan satu hal: data robot juga dapat membangun sistem produksi data yang terskalakan dan otomatis. Ketika pengumpulan, pemrosesan, dan pelatihan data secara bertahap membentuk proses standar, model robot juga akan mendapatkan kecepatan iterasi yang lebih cepat. Seiring persaingan industri secara perlahan berkembang dari kemampuan model ke infrastruktur data, eksplorasi seputar kapasitas produksi data juga akan menjadi daya saing penting dalam tahap selanjutnya perkembangan embodied intelligence.