Collecte de données vidéo égocentriques pour un programme d'IA en robotique
Une entreprise d'IA en robotique avait besoin de vidéos à la première personne d'humains exécutant des tâches physiques quotidiennes, captées de façon cohérente dans des environnements et des morphologies variés, pour entraîner un modèle d'IA incarnée à généraliser au-delà d'un seul cadre de laboratoire.
Client snapshot
| Industry | Robotique et IA incarnée |
|---|---|
| Region | Collecte sur le terrain dans plusieurs pays d'Afrique, d'Asie du Sud-Est et des Amériques |
| Engagement type | Collecte de vidéos égocentriques de tâches physiques |
The challenge
Le jeu de données existant du client avait été collecté presque entièrement dans un seul pays et auprès d'une seule démographie, ce qui limitait la capacité de son modèle à généraliser à des environnements domestiques et professionnels réels ailleurs. Il lui fallait une collecte sur le terrain à grand volume, avec des normes cohérentes de caméra et de structure de tâches, dans des environnements nettement différents.
The approach
Jwuma a recruté des contributeurs capables d'intervenir sur le terrain dans plusieurs pays, les a équipés et briefés selon une norme d'enregistrement documentée, et a collecté des vidéos à la première personne de l'ensemble de tâches spécifié dans une gamme délibérément variée de domiciles, de lieux de travail et de morphologies. Chaque session comprenait un consentement explicite couvrant l'image et les données de localisation, et l'exactitude de l'exécution des tâches a été vérifiée lors de la revue, en plus de la qualité vidéo.
Results
Le client a reçu un jeu de données vidéo diversifié sur les plans géographique et démographique, collecté selon une méthodologie cohérente, qui a sensiblement élargi les environnements dont son modèle avait reçu des exemples d'entraînement, dans le calendrier initial du programme.
Frequently asked questions
Pourquoi les données d'entraînement d'IA physique doivent-elles être collectées dans plusieurs pays ?
Parce qu'un modèle entraîné sur une gamme étroite d'environnements et de morphologies généralise mal aux conditions du monde réel situées en dehors de cette gamme.
Comment la cohérence des enregistrements est-elle maintenue entre de nombreux contributeurs et lieux ?
Grâce à une norme documentée de caméra et de structure de tâches sur laquelle chaque contributeur est briefé avant le début de la collecte.
Quel consentement est requis pour ce type de données ?
Un consentement explicite couvrant l'image et les données de localisation, en plus du consentement standard à l'utilisation des données, recueilli au moment de chaque session d'enregistrement.
Related case studies
Données de vérification faciale et d'identité pour une plateforme mondiale de mobilité
Une plateforme mondiale de mobilité et de VTC avait besoin de données faciales et d'identité vérifiées dans plusieurs régions pour renforcer un système de vérification de sécurité des conducteurs et des passagers, dans le respect d'exigences strictes de consentement et de traitement des données biométriques.
Évaluation RLHF pour un modèle d'IA conversationnelle
Une entreprise d'IA conversationnelle avait besoin d'un pipeline d'évaluation humaine structuré et évolutif pour noter la qualité des réponses de son chatbot dans son processus d'affinage RLHF, après que son groupe d'évaluateurs ad hoc eut produit des notations incohérentes.
Modération de contenu multilingue et données produit pour une place de marché e-commerce
Une place de marché e-commerce transfrontalière avait besoin de modération de contenu multilingue et d'annotation de son catalogue de produits pour garder ses annonces conformes et faciles à trouver dans les langues que ses vendeurs et ses acheteurs utilisaient réellement.
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.