Hersengolven als trainingsdata voor robots: wat er speelt

TL;DR

• Wat: Bedrijven als Encord en Zander Labs experimenteren met EEG-hersengolven om betere trainingsdata te maken voor robots en andere fysieke AI-systemen.
• Waarom relevant: De grootste bottleneck voor robotica is niet de technologie zelf, maar het gebrek aan goede trainingsdata — en dat raakt straks ook bedrijven die met automatisering aan de slag willen.
• Wat je ermee kunt: Houd in de gaten hoe de beschikbaarheid van robotica-trainingsdata zich ontwikkelt; het bepaalt mede wanneer betaalbare robotoplossingen voor het MKB realistisch worden.

Ik viel deze week over een artikel van TechCrunch met een vraag die ik niet snel had verwacht: zijn hersengolven de volgende stap voor fysieke AI? Het klinkt als sciencefiction, maar als je het verhaal leest, gaat het eigenlijk over een heel herkenbaar probleem — een gebrek aan goede data. En dat maakt het voor mij als ondernemer relevanter dan het op het eerste gezicht lijkt.

Waar gaat het over: robots hebben data nodig, en die is er niet

Fysieke AI — ook wel physical AI genoemd — is de verzamelnaam voor AI-systemen die niet alleen tekst of plaatjes genereren, maar de echte wereld waarnemen en erin handelen. Denk aan robotarmen in een magazijn, autonome drones, of industriële machines die zelfstandig taken uitvoeren.

Het probleem? Om zulke systemen te trainen heb je enorme hoeveelheden data nodig over hoe mensen bewegen, grijpen, stapelen en reageren. Volgens Encord, een bedrijf dat data-tooling bouwt voor AI-modellen, zijn er datasets nodig die naar schatting vijf keer zo groot zijn als het hele videocorpus van YouTube. Vineeth Velmurugan, hoofd robot learning bij Encord, zei het treffend: "The data simply does not exist."

Dat is de kern van het verhaal. Niet een doorbraak in chiparchitectuur of een nieuw AI-model, maar een heel praktisch tekort: er is simpelweg niet genoeg bruikbare data om robots goed te leren functioneren in de echte wereld.

Hersengolven als extra informatielaag

En hier wordt het interessant. In een faciliteit in San Leandro, Californië, laat Encord zogenoemde pilots — menselijke operators — taken uitvoeren terwijl ze een headset dragen. Die headset registreert niet alleen wat de drager ziet via een camera, maar meet ook hersengolven via EEG-sensoren (elektro-encefalografie — een techniek die elektrische activiteit in je hersenen oppikt via je hoofdhuid).

De headset is ontwikkeld door Zander Labs, een Duits-Nederlands bedrijf dat zich specialiseert in passieve brain-computer interfaces. Het idee is dat hersengolven iets toevoegen dat een camera alleen niet vangt: wanneer iemand twijfelt, een fout herkent, verrast is, of extra geconcentreerd bezig is. Die signalen geven modelmakers aanwijzingen over wanneer een taak extra aandacht vraagt — en waar ze hun zwaarste modellen moeten inzetten.

Wat doen die pilots precies?

De operators voeren allerlei taken uit: Jenga spelen, koffie inschenken, pokerchips stapelen, kabels inpluggen. Soms met hun eigen handen, soms via leader-follower rigs — een systeem waarbij een robotarm de bewegingen van een menselijke arm kopieert. Ondertussen wordt alles vastgelegd: de beelden, de bewegingen, én de hersenactiviteit.

Encord noemt zulke dense annotation — rijke, gedetailleerde data — honderd keer zoveel waard als onbewerkte beelden. Maar het kost ook twintig keer meer om te produceren. Dat maakt het een dure maar potentieel waardevolle investering.

Nog experimenteel, niet bewezen

Ik vind het belangrijk om hier eerlijk te zijn: dit is op dit moment nog een proef. Encord zegt zelf dat de samenwerking met Zander Labs een trial run is. Het doel is om een eerste dataset met hersengolfdata te bouwen, die door robotica-modellen te halen, en dan te evalueren of het de prestaties daadwerkelijk verbetert. Pas daarna besluiten ze of het opschaalbaar is.

Dat nuanceert het verhaal. Het is geen kant-en-klare technologie, maar een experiment in een vroeg stadium. Wat mij betreft is dat juist een reden om het serieus te nemen — het laat zien dat de industrie actief zoekt naar nieuwe manieren om het dataprobleem op te lossen, en dat er nog geen winnende aanpak is.

Ondertussen in China: robots aansturen met gedachten

Een ander bedrijf dat met hersengolven werkt, is het Chinese BrainCo. Op de World Artificial Intelligence Conference (WAIC) in Shanghai lieten zij een demonstratie zien waarbij iemand met een EEG-headset een robotarm een beker liet oppakken — puur door eraan te denken. Het hele proces, van hersenactiviteit naar robotactie, duurt volgens BrainCo minder dan 200 milliseconden.

BrainCo noemt hun aanpak Neuro-Embodied-AI. Ze brachten ook een Embodied AI Data Collection Solution uit: een systeem met robotarmen en een speciale handschoen die zowel fysieke bewegingen als EEG-data vastlegt. Het idee is vergelijkbaar met wat Encord doet — niet alleen registreren wat iemands handen doen, maar ook wat het brein die handen opdraagt.

Twee benaderingen, één uitdaging

Wat mij opvalt: Encord en BrainCo benaderen het probleem vanuit verschillende hoeken. Encord wil hersengolven gebruiken als extra informatielaag bij het trainen van AI-modellen. BrainCo wil hersengolven gebruiken om robots in real-time aan te sturen. Beide stuiten op dezelfde fundamentele vraag: hoe vertaal je de complexe signalen uit een menselijk brein naar iets waar een machine mee uit de voeten kan?

Wat betekent dit voor een ondernemer?

Laat ik eerlijk zijn: als MKB-ondernemer ga je morgen geen EEG-headset bestellen. Maar ik denk dat het onderliggende verhaal wél relevant is.

De reden dat robots nog niet breed inzetbaar zijn in bijvoorbeeld magazijnen, productieomgevingen of logistiek, is niet dat de hardware niet bestaat. Het is dat de trainingsdata ontbreekt om ze betrouwbaar genoeg te maken voor de echte wereld. Bedrijven als Encord — dat eerder dit jaar 60 miljoen dollar ophaalde en klanten als Toyota's Woven en dronefabrikant Zipline bedient — proberen dat gat te dichten.

Kun je je voorstellen wat het betekent als dat lukt? Dan worden robotoplossingen sneller betrouwbaar, en daarmee sneller betaalbaar en beschikbaar. Voor een ondernemer met een magazijn, een productielijn, of een logistieke operatie is dat geen abstract toekomstverhaal — het bepaalt mede wanneer automatisering voor jouw bedrijf haalbaar wordt.

Wat ik ook opmerkelijk vind: Zander Labs is een Duits-Nederlands bedrijf. Het is niet alleen Silicon Valley dat hier aan trekt. Er zit expertise in onze regio, en dat maakt het extra de moeite waard om dit te volgen.

Een nuchter signaal

Voor mij is dit vooral een signaal dat de robotica-industrie tegen een datamuur aanloopt — en dat er creatief gezocht wordt naar oplossingen. Hersengolven als trainingsdata klinkt exotisch, maar het probleem dat het probeert op te lossen is dat niet. Het is hetzelfde als bij elke AI-toepassing: zonder goede data, geen goed model. Of die hersengolfdata uiteindelijk het verschil maakt, is nog een open vraag. Maar het feit dat bedrijven met tientallen miljoenen aan funding hier serieus in investeren, vertelt me dat het dataprobleem in robotica groot genoeg is om onconventionele wegen te bewandelen.