Recopilación de datos de vídeo egocéntrico para un programa de IA de robótica
Una empresa de IA de robótica necesitaba vídeo en primera persona de personas realizando tareas físicas cotidianas, captado de forma coherente en entornos y tipos de cuerpo diversos, para entrenar un modelo de IA corpórea que generalizara más allá de un único entorno de laboratorio.
Client snapshot
| Industry | Robótica e IA corpórea |
|---|---|
| Region | Recopilación sobre el terreno en varios países de África, el Sudeste Asiático y América |
| Engagement type | Recopilación de vídeo egocéntrico de tareas físicas |
The challenge
El conjunto de datos existente del cliente se había recopilado casi por completo en un solo país y un solo perfil demográfico, lo que limitaba lo bien que su modelo generalizaba a entornos domésticos y laborales del mundo real en otros lugares. Necesitaba una recopilación sobre el terreno a gran volumen, con estándares coherentes de cámara y de estructura de tareas, en entornos marcadamente distintos.
The approach
Jwuma reclutó a colaboradores capaces de trabajar sobre el terreno en varios países, los equipó e instruyó según un estándar de grabación documentado, y recopiló vídeo en primera persona del conjunto de tareas especificado en una gama deliberadamente diversa de hogares, lugares de trabajo y tipos de cuerpo. Cada sesión incluyó consentimiento explícito que cubría la imagen y los datos de ubicación, y durante la revisión se verificó la exactitud en la realización de las tareas junto con la calidad del vídeo.
Results
El cliente recibió un conjunto de datos de vídeo diverso geográfica y demográficamente, recopilado con una metodología coherente, que amplió de forma sustancial los entornos de los que su modelo había entrenado ejemplos, dentro del plazo original del programa.
Frequently asked questions
¿Por qué hay que recopilar en varios países los datos de entrenamiento de IA física?
Porque un modelo entrenado con un rango estrecho de entornos y tipos de cuerpo generaliza mal a condiciones del mundo real fuera de ese rango.
¿Cómo se mantiene la coherencia de la grabación entre muchos colaboradores y ubicaciones?
Mediante un estándar documentado de cámara y de estructura de tareas con el que se instruye a cada colaborador antes de que empiece la recopilación.
¿Qué consentimiento se requiere para este tipo de datos?
Consentimiento explícito que cubra la imagen y los datos de ubicación, además del consentimiento estándar de uso de datos, recabado en el momento de cada sesión de grabación.
Related case studies
Datos de verificación facial y de identidad para una plataforma global de movilidad
Una plataforma global de movilidad y transporte con conductor necesitaba datos faciales y de identidad verificados en varias regiones para reforzar un sistema de verificación de seguridad de conductores y pasajeros, bajo estrictos requisitos de consentimiento y de tratamiento de datos biométricos.
Evaluación RLHF para un modelo de IA conversacional
Una empresa de IA conversacional necesitaba un circuito de evaluación humana estructurado y escalable para puntuar la calidad de las respuestas de un chatbot en su proceso de ajuste fino con RLHF, después de que su grupo de evaluadores ad hoc produjera una puntuación incoherente.
Moderación de contenido multilingüe y datos de producto para un marketplace de comercio electrónico
Un marketplace de comercio electrónico transfronterizo necesitaba moderación de contenido multilingüe y anotación de su catálogo de productos para mantener los anuncios conformes y localizables en los idiomas que sus vendedores y compradores usaban realmente.
Published 2026-10-02 by Jwuma, operated by Corpshore AI. This case study is an anonymized composite representative of the kind of work Jwuma performs in this industry, described by industry, region and engagement type rather than by company name, since this engagement is not yet cleared for public naming. Discuss a similar program at client.corpshore.ai.