為什麼機器人團隊總是不斷地從頭打造一樣的「數據倉庫」？

想像一下，為了學習烹飪，你走進廚房，卻發現沒有賣菜刀、砧板或瓦斯爐的地方，廚師必須親自鍛造刀具、削切砧板。這樣一來，製作工具所花的時間將遠遠超過烹飪本身。目前機器人學界所處的困境便與此相似。機器人團隊正不斷地從零開始，打造機器人收集與處理數據所需的「基礎設施（管線工程）」。 Source 1 Source 6

這為何重要？

機器人已不再只是單純的機械，而是演進為結合人工智慧（AI）的「具身智慧（Embodied AI）」。然而，機器人為了具備智慧所必需的數據系統，目前尚未標準化。機器人團隊將寶貴的時間浪費在基礎設施建設上，這意味著他們在實驗創新技術或將產品推向市場的速度被拖慢了。 Source 8 我們渴望更快見到更聰明的機器人，但製造機器人的人們卻被困在製造廚具的工作中。

簡單理解：為什麼 Web 時代的工具行不通？

「數據堆疊（Data Stack）」是一種儲存並管理機器人所收集資訊的「數位倉庫」系統。過去我們使用的 Web 數據工具，主要針對網路上的點擊數或訂單資訊處理進行了優化。 Source 7 但機器人截然不同。

可以這樣比喻：如果 Web 數據是「文字」為主的資訊，那麼機器人數據就是「動態影像與物理感官」。Web 時代的工具如果是分類「信件」的辦公室，機器人所要求的系統則必須是能「實時同步數千台相機同時拍攝的高畫質影像，以及機器手臂感受到的壓力數據」的超高速電影製作室。 Source 7 現有的工具在捕捉機器人現場經歷的細微且龐大的物理數據 Fidelity（保真度，即數據與實際數據的相似程度）方面顯得捉襟見肘。 Source 4

此外，網路上的文字數據可以透過「抓取（Scraping）」來收集，但機器人數據不同。機器人必須親自與現實世界碰撞並互動，一點一滴地收集數據。 Source 9 因此，想要拿其他團隊製作好的數據來使用並不容易，最終只能不斷重複從零開始的辛苦工作。 Source 9

現況：全端開發的苦衷

由於這些困難，許多機器人團隊乾脆選擇了從頭到尾所有東西都自己做的「全端（Full-stack）」策略。 Source 2 由於負責智慧的大腦（AI 模型）與身體（物理機器人）正同步快速發展，團隊判斷不假手於人、親自控制兩者間的回饋過程，才是贏得競爭的方法。 Source 2

然而，正如前面所述，這產生了極高的人力與時間成本。數據管線、同步系統、日誌記錄方式等，團隊都在重複進行一樣的工作。 Source 5 雖然在企業 AI 領域，對於需要更佳架構與測量標準來整合管理數據的呼聲已很高， Source 4 但機器人領域目前甚至連機器人專屬的「共通數據集」都尚未建立，仍處於初期階段。 Source 9

未來展望

幸運的是，已出現了變革的跡象。近來許多企業與研究人員正努力創建新的通用基礎設施層，幫助機器人開發者專注於「真正的機器人智慧」，而非「基礎設施管線工程」。 Source 6 若他們能建立機器人數據的標準，並構建人人都能輕易取用的共用系統，機器人團隊終將從製作工具的枷鎖中解脫。 Source 1 Source 5

為了讓機器人更快變聰明，現在必須改善強迫機器人工程師成為「烹飪工具匠人」而非廚師的環境。未來機器人領域的數據堆疊將如何超越 Web 時代的方式，進化為機器人優化的樣貌，值得我們持續關注。

參考資料

1. RoboticsTeamsAreRebuildingtheDataStackfromScratch
2. More and more robotics teams are going full stack
3. What I Learned About Robotics in 72 Hours
4. Rebuilding the data stack for AI - MIT Technology Review

5. [Ep 97

   Why Robotics Keeps Rebuilding the Same Infrastructure](https://www.22astronauts.com/p/ep-97-why-robotics-keeps-rebuilding-036)

6. Backing Neuracore: Reinventing Data Infrastructure for Robotics
7. Rebuilding the Data Stack for AI: Web-Era Systems Can’t Keep Up
8. How Neuracore solves robotics infrastructure woes

9. [The data gap that’s holding back robotics

   IBM](https://www.ibm.com/think/news/the-data-gap-holding-back-robotics)

10. Data Centers Are Expanding — Will Operators Turn to Robots for Management?