Les ondes cérébrales pourraient enrichir les données d'entraînement des robots

Une équipe composée d’Encord et de Zander Labs teste l’intégration des ondes cérébrales comme modalité de données pour entraîner des modèles d’IA physique. Leur objectif est d’évaluer si cette approche améliore la performance des robots dans des tâches de manipulation.

Encord, spécialisée dans l’outillage de données pour l’entraînement de modèles d’IA, collabore avec Zander Labs, une startup allemande en neurosciences. Leur expérimentation repose sur l’utilisation d’un casque équipé de capteurs mesurant l’activité cérébrale d’un opérateur humain (appelé pilote chez Encord) lors de la réalisation d’une tâche robotique. Dans ce cas précis, le pilote démonte une tour de blocs en bois tout en portant ce dispositif. Les données collectées incluent à la fois les mouvements enregistrés par une caméra intégrée et les signaux cérébraux captés par le casque. L’idée centrale est d’exploiter les signaux cérébraux pour déduire des états mentaux comme l’erreur, l’intention ou la surprise, et ainsi enrichir les jeux de données utilisés pour entraîner les modèles de robots.

Pour l’instant, cette collaboration reste un projet pilote. Encord et Zander visent à constituer un premier jeu de données annoté avec des ondes cérébrales, puis à l’intégrer dans les modèles robotiques de leurs clients. L’évaluation portera sur l’impact réel de ces données supplémentaires sur les performances des robots. Selon Lucas Gehrke, neuroscientifique chez Zander, l’analyse de l’activité cérébrale pourrait indiquer aux concepteurs de modèles quand activer des versions plus exigeantes en calcul pour optimiser l’efficacité des robots. Cette approche s’inscrit dans une démarche visant à résoudre le goulot d’étranglement actuel des données physiques, souvent considérées comme insuffisantes pour entraîner des IA capables de manipulations complexes.