Figure quer montar o maior dataset físico do mundo com o app Index

A empresa de robótica Figure retirou do modo silencioso o Index, aplicativo que ela apresenta como o conjunto de dados físicos para treinamento de robôs mais diverso já construído. Segundo a companhia, os dados necessários para escalar um robô verdadeiramente de uso geral não existem na internet: precisam vir do mundo real, como uma amostragem global de física capturada em todos os tipos de ambiente do planeta.

Generalização como problema de dados

No centro da iniciativa está o Helix, pilha de IA desenvolvida pela Figure. A empresa argumenta que o sistema fica mais capaz do mesmo jeito que qualquer sistema aprendido: com dados. Essa não seria uma ideia nova, mas o achado central da última década de pesquisa em IA, que vale reformular para a robótica. Os resultados internos de generalização, segundo a Figure, já sustentam essa tese, e mais detalhes serão divulgados em breve.

O teste de quatro meses e seus números

Há quatro meses, a Figure lançou um aplicativo em modo silencioso para testar se era possível coletar diretamente de humanos, em escala, os dados físicos de que o Helix precisa; agora ele chega ao Google Play e à App Store rebatizado como Index. Antes disso, a empresa tentou comprar dados de fornecedores, mas eles não atingiram o patamar necessário de volume, diversidade e qualidade, o que levou à construção de um pipeline exclusivo.

Números divulgados: 264 mil downloads em mais de cem países, mais de 44 mil usuários ativos semanais e 16 milhões de vídeos enviados pelos colaboradores, chamados de Creators. O sistema processa 30 minutos de upload de vídeo por segundo - equivalente, pelo cálculo da própria empresa, a 4,9 anos de trabalho humano por dia - e já pagou US$ 15 milhões a esses contribuidores.

A densidade dos dados indica variedade: a cada 1.000 horas coletadas, o Index registra 373 tarefas únicas, 1.146 objetos manipulados distintos e 116 ambientes distintos. A diversidade vem de quem grava: cada novo Creator traz um ambiente inédito, objetos desconhecidos e um jeito próprio de executar cada tarefa, variação de cauda longa quase impossível de definir de antemão.

As coleções cobrem desde tarefas domésticas - cozinhar, limpar, lavar roupa - até ambientes comerciais, como centros de logística, restaurantes, fábricas e escritórios, com registros tão específicos quanto limpar a caixa de areia do gato, trocar óleo ou arrumar mesas de restaurante. Qualquer pessoa pode virar Creator gravando tarefas em casa ou no trabalho; pelo próprio aplicativo, dá para contratar um Creator que vá até a residência ou ao negócio ajudar nas tarefas do dia a dia.

Pipeline em cinco etapas

Ingerir 30 minutos de vídeo por segundo exigiu reconstruir a infraestrutura de dados com exigências típicas de um aplicativo de consumo: disponibilidade permanente, processamento contínuo em grande escala e retorno em tempo real aos usuários para melhorar coletas futuras. O fluxo tem cinco estágios: filtragem automatizada de qualidade técnica, visual e semântica; revisão antifraude feita por analistas humanos, que auditam no nível do usuário tentativas deliberadas de burlar os filtros; deduplicação por embeddings, descartando segmentos acima de um limite de similaridade com dados já aceitos; rebalanceamento com cotas por tarefa - avaliando a aderência de cada envio à tarefa escolhida - e agrupamentos baseados em embeddings que capturam variações além dos rótulos; e anotação, com legendas textuais hierárquicas geradas para cada episódio.

Rumo a robôs como serviço

A Figure afirma estar num caminho de multiplicar por 100 a operação e se comprometeu a gastar mais de US$ 1 bilhão nos próximos 12 meses em dados e computação. A visão declarada é preparar o terreno para encomendar robôs como serviço: hoje são pessoas que vêm ajudar a limpar a casa; eventualmente, um robô fará tudo isso.