Як AperEgo збирає дані для роботів

Людина надягає обладнання й виконує певне завдання. Гарнітура записує панорамне відео від першої особи — тобто те, що бачить користувач із власної перспективи. Сенсори синхронізують візуальну інформацію, дані про рухи та аудіо, а пристрої на зап’ястях і пальцях додають детальні відомості про рухи рук.

Так система намагається поєднати сприйняття з фізичною дією. Один запис може містити не лише зображення сцени перед людиною, а й рухи тіла та роботу рук під час виконання завдання. Це особливо важливо для навчання роботів точних маніпуляцій із предметами.

Що робить AperOS

AperOS отримує мультимодальні дані від AperEgo та відсіює некоректні записи ще до їхнього завантаження і подальшої обробки. За словами 51World, такий етап фільтрації дає змогу зменшити потребу в сховищах і обчислювальних ресурсах, водночас залишаючи придатніший для розробки моделей набір даних.

Запропонований компанією процес виглядає так:

1. Запис: AperEgo фіксує візуальні дані від першої особи, рухи та звук, поки людина виконує завдання.
2. Деталізація роботи рук: пристрої на зап’ястях і пальцях записують рухи під час простягання руки, захоплення та переміщення предметів.
3. Синхронізація: різні потоки даних узгоджуються, щоб описувати одну й ту саму дію в різних модальностях.
4. Фільтрація: AperOS видаляє записи, які компанія вважає некоректними, до завантаження та подальшої обробки.
5. Підготовка до навчання: дані, що залишилися, можна використовувати для розробки моделей embodied AI та вдосконалення процесів навчання роботів.

Які результати обіцяє 51World

Генеральний директор 51World Лі Ї заявляє, що інтегрована апаратно-програмна система здатна підвищити точність даних до 99%. За його словами, це має зробити навчання роботів точнішим та ефективнішим, а також підвищити ефективність збору й використання даних, тренування моделей і їхньої здатності узагальнювати отримані навички.

Втім, ці показники слід сприймати саме як заявлені компанією, а не як незалежно підтверджені результати тестування. Доступні публікації описують можливості, про які говорить 51World, але не містять зовнішнього протоколу випробувань, порівняльного набору даних чи незалежної перевірки показника 99%. Чистіші й точніші демонстрації можуть покращити навчання, однак підсумкова поведінка робота також залежить від моделі, апаратного забезпечення, завдання, умов роботи та методики оцінювання.

Чому рівень даних важливий для гуманоїдних роботів

Гуманоїдні роботи мають координувати сприйняття та рухи в мінливому фізичному середовищі. Якісні демонстрації людських дій потенційно допоможуть навчати їх надійніше взаємодіяти з предметами, простором і виконувати завдання, що потребують точної моторики. Отже, підхід 51World спрямований передусім на інфраструктуру даних для embodied AI, а не на створення власного гуманоїдного робота.

Розробка з’явилася на тлі активного переходу Китаю від демонстраційних прототипів до комерціалізації гуманоїдної робототехніки. За оцінкою TrendForce, китайський ринок гуманоїдних роботів досягне 15 млрд юанів ($2,2 млрд) у 2026 році та зростатиме щонайменше на 60% у 2027-му. Очікується, що виробництво масштабуватиметься, а сфери застосування охоплять автомобільну промисловість, електроніку, аерокосмічну галузь, логістику та енергетику.

Цей прогноз не доводить, що саме AperEgo або AperOS стануть двигуном такого зростання. Однак він пояснює, чому інструменти для збору, фільтрації та систематизації даних із фізичного світу набувають стратегічного значення. Що більше роботів переходять від навчальних демонстрацій до практичного використання, то сильніше розробникам потрібні масштабовані конвеєри даних, здатні створювати повторювані та придатні для навчання приклади.

Як AperEgo збирає дані для роботів

Людина надягає обладнання й виконує певне завдання. Гарнітура записує панорамне відео від першої особи — тобто те, що бачить користувач із власної перспективи. Сенсори синхронізують візуальну інформацію, дані про рухи та аудіо, а пристрої на зап’ястях і пальцях додають детальні відомості про рухи рук.

Так система намагається поєднати сприйняття з фізичною дією. Один запис може містити не лише зображення сцени перед людиною, а й рухи тіла та роботу рук під час виконання завдання. Це особливо важливо для навчання роботів точних маніпуляцій із предметами.

Що робить AperOS

AperOS отримує мультимодальні дані від AperEgo та відсіює некоректні записи ще до їхнього завантаження і подальшої обробки. За словами 51World, такий етап фільтрації дає змогу зменшити потребу в сховищах і обчислювальних ресурсах, водночас залишаючи придатніший для розробки моделей набір даних.

Запропонований компанією процес виглядає так:

1. Запис: AperEgo фіксує візуальні дані від першої особи, рухи та звук, поки людина виконує завдання.
2. Деталізація роботи рук: пристрої на зап’ястях і пальцях записують рухи під час простягання руки, захоплення та переміщення предметів.
3. Синхронізація: різні потоки даних узгоджуються, щоб описувати одну й ту саму дію в різних модальностях.
4. Фільтрація: AperOS видаляє записи, які компанія вважає некоректними, до завантаження та подальшої обробки.
5. Підготовка до навчання: дані, що залишилися, можна використовувати для розробки моделей embodied AI та вдосконалення процесів навчання роботів.

Які результати обіцяє 51World

Генеральний директор 51World Лі Ї заявляє, що інтегрована апаратно-програмна система здатна підвищити точність даних до 99%. За його словами, це має зробити навчання роботів точнішим та ефективнішим, а також підвищити ефективність збору й використання даних, тренування моделей і їхньої здатності узагальнювати отримані навички.

Втім, ці показники слід сприймати саме як заявлені компанією, а не як незалежно підтверджені результати тестування. Доступні публікації описують можливості, про які говорить 51World, але не містять зовнішнього протоколу випробувань, порівняльного набору даних чи незалежної перевірки показника 99%. Чистіші й точніші демонстрації можуть покращити навчання, однак підсумкова поведінка робота також залежить від моделі, апаратного забезпечення, завдання, умов роботи та методики оцінювання.

Чому рівень даних важливий для гуманоїдних роботів

Гуманоїдні роботи мають координувати сприйняття та рухи в мінливому фізичному середовищі. Якісні демонстрації людських дій потенційно допоможуть навчати їх надійніше взаємодіяти з предметами, простором і виконувати завдання, що потребують точної моторики. Отже, підхід 51World спрямований передусім на інфраструктуру даних для embodied AI, а не на створення власного гуманоїдного робота.

Розробка з’явилася на тлі активного переходу Китаю від демонстраційних прототипів до комерціалізації гуманоїдної робототехніки. За оцінкою TrendForce, китайський ринок гуманоїдних роботів досягне 15 млрд юанів ($2,2 млрд) у 2026 році та зростатиме щонайменше на 60% у 2027-му. Очікується, що виробництво масштабуватиметься, а сфери застосування охоплять автомобільну промисловість, електроніку, аерокосмічну галузь, логістику та енергетику.

Цей прогноз не доводить, що саме AperEgo або AperOS стануть двигуном такого зростання. Однак він пояснює, чому інструменти для збору, фільтрації та систематизації даних із фізичного світу набувають стратегічного значення. Що більше роботів переходять від навчальних демонстрацій до практичного використання, то сильніше розробникам потрібні масштабовані конвеєри даних, здатні створювати повторювані та придатні для навчання приклади.