Bir Robotik Yapay Zeka Programı için Egosentrik Video Verisi Toplama
Bir robotik yapay zeka şirketi, bedenlenmiş bir yapay zeka modelini tek bir laboratuvar ortamının ötesine genelleyecek şekilde eğitmek için, çeşitli ortamlarda ve vücut tiplerinde tutarlı biçimde yakalanmış, insanların günlük fiziksel görevleri yapışını gösteren birinci şahıs videosuna ihtiyaç duyuyordu.
Client snapshot
| Industry | Robotik ve bedenlenmiş yapay zeka |
|---|---|
| Region | Afrika, Güneydoğu Asya ve Amerika kıtalarında çok ülkeli saha toplama |
| Engagement type | Egosentrik fiziksel görev videosu toplama |
The challenge
Müşterinin mevcut veri seti neredeyse tamamen tek bir ülkede ve tek bir demografik grupta toplanmıştı; bu da modelinin başka yerlerdeki gerçek dünya ev ve işyeri ortamlarına ne kadar iyi genelleme yaptığını sınırlıyordu. Belirgin biçimde farklı ortamlarda, tutarlı kamera ve görev yapısı standartlarıyla, hacimli saha tabanlı toplamaya ihtiyaç vardı.
The approach
Jwuma, birkaç ülkede sahada çalışabilen katkıda bulunanları işe aldı, onları belgelenmiş bir kayıt standardına göre donattı ve bilgilendirdi, belirtilen görev kümesinin birinci şahıs videosunu bilinçli olarak çeşitlendirilmiş evler, işyerleri ve vücut tipleri arasında topladı. Her oturum görüntü ve konum verisini kapsayan açık onay içeriyordu ve inceleme sırasında video kalitesinin yanı sıra görev performansı doğruluğu da doğrulandı.
Results
Müşteri, tutarlı bir metodolojiyle toplanmış, coğrafi ve demografik olarak çeşitli bir video veri seti aldı; bu, modelinin eğitim örneklerine sahip olduğu ortamları programın özgün takvimi içinde önemli ölçüde genişletti.
Frequently asked questions
Fiziksel yapay zeka eğitim verisi neden birden çok ülkede toplanmalı?
Çünkü dar bir ortam ve vücut tipi aralığında eğitilen bir model, bu aralığın dışındaki gerçek dünya koşullarına zayıf genelleme yapar.
Birçok katkıda bulunan ve konum arasında kayıt tutarlılığı nasıl sağlanır?
Toplama başlamadan önce her katkıda bulunanın karşısında bilgilendirildiği belgelenmiş bir kamera ve görev yapısı standardı aracılığıyla.
Bu tür veri için hangi onay gerekir?
Standart veri kullanımı onayına ek olarak, her kayıt oturumunun anında alınan, görüntü ve konum verisini kapsayan açık onay.
Related case studies
Küresel Bir Mobilite Platformu için Yüz ve Kimlik Doğrulama Verisi
Küresel bir mobilite ve araç çağırma platformu, sıkı onay ve biyometrik veri işleme gereklilikleri altında bir sürücü ve yolcu güvenlik doğrulama sistemini güçlendirmek için birden çok bölgeden doğrulanmış yüz ve kimlik verisine ihtiyaç duyuyordu.
Konuşmaya Dayalı Bir Yapay Zeka Modeli için RLHF Değerlendirmesi
Konuşmaya dayalı bir yapay zeka şirketi, mevcut geçici puanlayıcı havuzu tutarsız puanlama ürettikten sonra, RLHF ince ayar süreci için sohbet botu yanıt kalitesini puanlayacak yapılandırılmış ve ölçeklenebilir bir insan değerlendirme hattına ihtiyaç duyuyordu.
Bir E-Ticaret Pazaryeri için Çok Dilli İçerik Moderasyonu ve Ürün Verisi
Sınır ötesi bir e-ticaret pazaryeri, satıcılarının ve alıcılarının gerçekten kullandığı dillerde ilanların uyumlu ve aranabilir kalması için çok dilli içerik moderasyonuna ve ürün kataloğu etiketlemesine ihtiyaç duyuyordu.
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.