Роботов учат на видео из чужих квартир: новая гонка за данными дошла до домашнего труда

Human Archive, стартап из орбиты Y Combinator, привлек $8,2 млн и строит бизнес на данных для physical AI — моделей, которые должны управлять роботами в реальном мире. По данным TechCrunch, компания записывает работу людей через камеры и сенсоры: от домашних сервисов до фабрик, ресторанов, отелей, сельского хозяйства и строительства.

Смысл простой и неприятно практичный: чтобы робот научился мыть посуду, складывать белье, собирать детали или аккуратно двигать предметы, ему нужны не красивые промо-ролики, а миллионы часов человеческих движений с точной привязкой к тому, что видят руки, тело и инструменты.

Что именно собирают

Human Archive пишет, что собирает и размечает видео, сенсорные, аудио- и долгие поведенческие данные через сеть из более чем 100 000 участников и 500 партнеров. TechCrunch уточняет, что стартап начинал с iPhone и готовых креплений, а теперь использует собственные устройства: головные камеры, камеры на запястье, тактильные перчатки, костюмы захвата движений и RGB-D-съемку, где обычное изображение совмещается с данными о глубине.

Отдельный канал — домашние сервисы. Когда работник приходит к клиенту, пользователю могут предложить выбор: полная цена без записи или скидка за согласие на сбор данных. Компания утверждает, что лица размываются, данные анонимизируются, а коммерческие договоры соответствуют индийскому закону о защите персональных данных. Но сам формат уже показывает, куда движется рынок: квартира, кухня и ремонтный визит становятся не только услугой, но и источником обучающего сырья.

Почему это важно для роботов

Economic Times описывает тот же рынок шире: индийские стартапы собирают egocentric data — данные от первого лица — для робототехники. По оценке Stellaris Venture Partners, крупным робототехническим лабораториям в ближайшие 2-3 года может понадобиться от 100 млн до 1 млрд часов таких данных. Представитель Humyn AI объяснял изданию, что даже для одного контекста, например взять стакан и поставить его на полку, могут требоваться сотни тысяч или миллионы часов тренировочных примеров.

Это меняет разговор о роботах. Долгое время казалось, что главный вопрос — кто сделает лучшую модель и купит больше GPU. Но physical AI упирается в другую нехватку: в качественные записи реальных рук, реальных предметов, реального беспорядка и реальных ошибок. Интернет уже дал текстовым моделям огромный массив документов. Для роботов такого готового интернета почти нет — его теперь буквально снимают на камеру.

Цена вопроса — приватность и труд

Самая острая часть истории не в сумме раунда, а в том, кто платит за обучающие данные и кто получает от них выгоду. TechCrunch пишет, что Human Archive платит работникам базово $1 в час за участие в сборе данных, тогда как Economic Times указывает, что другие игроки в Индии платят примерно 250-400 рупий в час. Это не одинаковые программы и условия, но разброс показывает будущую точку напряжения: данные о ручном труде становятся дорогим активом для AI-лабораторий, а люди, которые их создают, могут получать лишь небольшую надбавку.

Для обычного пользователя смысл прямой. Роботы для дома, склада и сервиса не появятся из воздуха: перед этим рынок будет массово записывать человеческую работу, включая работу в частных пространствах. Поэтому вопрос согласия здесь нельзя прятать в длинную политику приватности. Если AI должен учиться на реальной жизни, людям нужно ясно понимать, что именно снимают, кто это покупает, сколько хранит и можно ли отказаться без скрытого давления скидкой.

Neuro.ee уже писал о physical AI как о следующей зоне капитала и промышленной автоматизации. Human Archive добавляет к этой картине менее глянцевую деталь: прежде чем роботы начнут заменять часть ручных процессов, кто-то должен превратить миллионы обычных человеческих движений в датасет.