Recolha de dados de vídeo egocêntrico para um programa de IA de robótica
Uma empresa de IA de robótica precisava de vídeo na primeira pessoa de humanos a realizar tarefas físicas do quotidiano, captado de forma consistente em ambientes e tipos de corpo diversos, para treinar um modelo de IA incorporada a generalizar para além de um único cenário de laboratório.
Client snapshot
| Industry | Robótica e IA incorporada |
|---|---|
| Region | Recolha de campo em vários países de África, do Sudeste Asiático e das Américas |
| Engagement type | Recolha de vídeo egocêntrico de tarefas físicas |
The challenge
O conjunto de dados existente do cliente tinha sido recolhido quase inteiramente num único país e numa única demografia, o que limitava a capacidade do seu modelo de generalizar para ambientes domésticos e profissionais do mundo real noutros locais. Precisava de recolha de campo em volume, com normas consistentes de câmara e de estrutura de tarefas, em ambientes marcadamente diferentes.
The approach
A Jwuma recrutou colaboradores com capacidade de trabalho de campo em vários países, equipou-os e instruiu-os segundo uma norma de gravação documentada e recolheu vídeo na primeira pessoa do conjunto de tarefas especificado numa gama deliberadamente diversificada de casas, locais de trabalho e tipos de corpo. Cada sessão incluiu consentimento explícito que abrangia dados de imagem e de localização, e a exatidão do desempenho das tarefas foi verificada na revisão, a par da qualidade do vídeo.
Results
O cliente recebeu um conjunto de dados de vídeo geográfica e demograficamente diversificado, recolhido segundo uma metodologia consistente, alargando de forma substancial os ambientes a partir dos quais o seu modelo tinha exemplos de treino, dentro do prazo original do programa.
Frequently asked questions
Porque é que os dados de treino de IA física precisam de ser recolhidos em vários países?
Porque um modelo treinado com uma gama estreita de ambientes e tipos de corpo generaliza mal para condições do mundo real fora desse intervalo.
Como se mantém a consistência da gravação entre muitos colaboradores e locais?
Através de uma norma documentada de câmara e de estrutura de tarefas, segundo a qual cada colaborador é instruído antes de a recolha começar.
Que consentimento é necessário para este tipo de dados?
Consentimento explícito que abranja dados de imagem e de localização, para além do consentimento padrão de utilização de dados, recolhido no momento de cada sessão de gravação.
Related case studies
Dados de verificação facial e de identidade para uma plataforma global de mobilidade
Uma plataforma global de mobilidade e de transporte individual precisava de dados faciais e de identidade verificados em várias regiões para reforçar um sistema de verificação de segurança de condutores e passageiros, sob requisitos rigorosos de consentimento e de tratamento de dados biométricos.
Avaliação de RLHF para um modelo de IA conversacional
Uma empresa de IA conversacional precisava de um pipeline de avaliação humana estruturado e escalável para avaliar a qualidade das respostas de chatbot no seu processo de ajuste fino por RLHF, depois de o seu conjunto de avaliadores ad hoc existente ter produzido pontuações inconsistentes.
Moderação de conteúdo multilingue e dados de produtos para um mercado de comércio eletrónico
Um mercado de comércio eletrónico transfronteiriço precisava de moderação de conteúdo multilingue e de anotação do catálogo de produtos para manter os anúncios conformes e pesquisáveis nas línguas que os seus vendedores e compradores realmente usavam.
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.