RespuestasPublicado19 fuentes
La plataforma que convierte tareas cotidianas en datos para robots
Mifengpai ofrece tareas para registrar actividades cotidianas y laborales; la compensación se calcula según el tiempo de grabación aprobado. La plataforma combina dispositivos MEgo, una app y el motor de procesamiento MEgo Engine para convertir acciones reales en datos destinados a entrenar o evaluar modelos.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Mifengpai ofrece tareas para registrar actividades cotidianas y laborales; la compensación se calcula según el tiempo de grabación aprobado.
- La plataforma combina dispositivos MEgo, una app y el motor de procesamiento MEgo Engine para convertir acciones reales en datos destinados a entrenar o evaluar modelos.
- Las cifras de participación y alcance difundidas en su lanzamiento no demuestran por sí solas que los datos mejoren el desempeño de los robots.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: How does Shanghai-based physical AI training-data company Maniformer’s crowdsourcing platform, launched in Shanghai on September 23, 2026, u. Article summary: Maniformer’s platform, Mifengpai (觅蜂派), aims to turn ordinary people’s real-world work into paid robot-training demonstrations, addressing CEO Yao Maoqing’s argument that the missing ingredient is abundant human-motion d. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Maniformer presentó Mifengpai en Shanghái el 23 de septiembre de 2026 con una idea sencilla: registrar cómo se realizan tareas reales y procesar esas grabaciones para usarlas como datos en robótica. Su CEO, Yao Maoqing, sostiene que hacen falta más datos de movimientos humanos reales para que los robots puedan desenvolverse en fábricas, tiendas y hogares. Mifengpai es la propuesta de la empresa para reunirlos a mayor escala. 30
Cómo funciona Mifengpai
La plataforma conecta equipos y programas de captura con quienes proponen tareas, los lugares donde se realizan y las personas que las registran. En la práctica, el usuario elige una actividad en la app, la graba con un dispositivo MEgo y envía el material para su revisión. La compensación depende del tiempo de datos útiles que se apruebe. 19
25
30
Entre los ejemplos mencionados en la cobertura del lanzamiento figuran tareas tan comunes como doblar ropa, preparar té y ordenar productos. La intención es registrar acciones en los entornos donde normalmente ocurren, en lugar de depender únicamente de demostraciones hechas en un laboratorio de robótica. 30
Qué aportan los dispositivos MEgo y el motor de datos
El sistema de captura de Mifengpai combina dispositivos MEgo con una aplicación móvil y MEgo Engine. Según la cobertura del lanzamiento, MEgo View es un dispositivo que se lleva en la cabeza y cuyas cámaras abarcan más de 300 grados; MEgo Gripper permite reconstruir movimientos de manipulación a escala milimétrica. 2
30
El objetivo no es quedarse en un video corriente. La información sobre el producto y el lanzamiento describe la captura de imágenes junto con datos de movimiento e interacción. Después, MEgo Engine procesa, etiqueta y evalúa las grabaciones para prepararlas para el entrenamiento o la evaluación de modelos. 25
36
45
La lógica del modelo es separar dos etapas: las personas realizan demostraciones en situaciones reales y los dispositivos y programas de procesamiento buscan convertirlas en datos estructurados. Maniformer presenta Mifengpai como el vínculo entre quienes aportan esas demostraciones, los lugares de trabajo y las necesidades de datos de la robótica. 30
Qué muestran las primeras cifras de participación
La cobertura del lanzamiento informó que la prueba beta de un mes reunió 20.000 usuarios registrados y 13.000 envíos de tareas. Las cifras apuntan a una participación inicial, pero no indican cuántos envíos superaron la revisión, cuánto material útil se obtuvo ni si esos datos mejoraron el desempeño de los robots. 19
41
Otros reportes atribuyen a la plataforma 22 categorías, más de 5.000 tipos de tareas y más de 50.000 entornos reales. Son cifras difundidas sobre el alcance de la plataforma, no evaluaciones independientes de la calidad de los datos ni de las capacidades de los robots. 7
14
Lo que todavía no está demostrado
Mifengpai ofrece una forma de reunir demostraciones humanas y pagar por las grabaciones que superan la revisión. Sin embargo, la información del lanzamiento describe el diseño de la plataforma y la actividad inicial reportada; no demuestra de forma independiente que los datos hayan vuelto más capaces a los robots, ni verifica resultados como los ingresos a largo plazo o la calidad de las grabaciones aceptadas.
La diferencia es importante: recopilar datos es una respuesta propuesta a un obstáculo, no una prueba de que el obstáculo ya se haya resuelto.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "La plataforma que convierte tareas cotidianas en datos para robots"?
Mifengpai ofrece tareas para registrar actividades cotidianas y laborales; la compensación se calcula según el tiempo de grabación aprobado.
¿Cuáles son los puntos clave a validar primero?
Mifengpai ofrece tareas para registrar actividades cotidianas y laborales; la compensación se calcula según el tiempo de grabación aprobado. La plataforma combina dispositivos MEgo, una app y el motor de procesamiento MEgo Engine para convertir acciones reales en datos destinados a entrenar o evaluar modelos.
¿Qué debo hacer a continuación en la práctica?
Las cifras de participación y alcance difundidas en su lanzamiento no demuestran por sí solas que los datos mejoren el desempeño de los robots.