Startup z Doliny Krzemowej wykorzystuje indyjską gospodarkę gig do trenowania robotów

Startup Human Archive z Doliny Krzemowej wykorzystuje gwałtownie rozwijającą się gospodarkę gig w Indiach do zbierania danych treningowych dla robotów. Firma współpracuje z lokalnymi dostawcami usług domowych i gastronomicznych, wyposażając pracowników w specjalne czapki z kamerami do nagrywania codziennych zadań z perspektywy pierwszej osoby. Więcej szczegółów znajdziesz w oryginalnym artykule TechCrunch.

Kluczowe wnioski

• Human Archive pozyskał 8,2 miliona dolarów finansowania od Wing Venture Capital, NVP Capital, Y Combinator oraz aniołów biznesu z OpenAI, Nvidia i Google.
• Startup ma obecnie ponad 1000 aktywnych zestawów nagłownych rozmieszczonych w różnych lokalizacjach, zbierając dane z perspektywy pierwszej osoby.
• Firma płaci pracownikom 1 dolara za godzinę za udział w zbieraniu danych, podczas gdy konkurenci płacą od 2,63 do 4,20 dolara.
• Duzi gracze jak Urban Company i Pronto odrzucili propozycje współpracy, co stało się publicznym tematem dyskusji w indyjskich mediach.
• Startup rozwija autorski sprzęt, w tym rękawice dotykowe, kombinezon motion capture i kamery nadgarstkowe do synchronicznego zbierania różnych typów danych.

Kontekst rynku i geneza pomysłu

Indyjski rynek dostaw jedzenia online znacząco się rozwinął w ostatnich latach, z Zomato i Swiggy debiutującymi na giełdzie oraz rosnącą liczbą cloud kitchens. Równocześnie zyskały popularność startupy oferujące usługi domowe, takie jak platformy do zatrudniania personelu na żądanie, w tym Urban Company, Snabbit i Pronto.

Human Archive został założony przez czterech studentów — trzech z UC Berkeley i jednego ze Stanford: Samay Maini, Rushil Agarwal, Shloke Patel i Raj Patel (ten ostatni jest CEO). Wszyscy czterej mają doświadczenie badawcze w dziedzinie robotyki, sprzętu i danych dotykowych.

Powstanie firmy to bezpośredni zakład na kierunek rozwoju branży AI. Podczas gdy laboratoria robotyki i firmy zajmujące się frontier AI ścigają się w budowaniu maszyn zdolnych do wykonywania fizycznych zadań w rzeczywistym świecie, napotykają krytyczne wąskie gardło — niedobór wysokiej jakości danych treningowych z rzeczywistego świata pokazujących ludzi wykonujących codzienne prace.

Wyzwania i kontrowersje

Mimo współpracy z wieloma partnerami, Human Archive został odrzucony przez wielu indyjskich dostawców usług domowych, w tym Pronto i Urban Company. Odrzucenie przez głównych graczy stało się tematem publicznej dyskusji w miniony weekend, gdy indyjski serwis Entrackr poinformował, że Pronto aktywnie poszukuje partnerstw do zbierania danych pracowników na potrzeby treningu robotów, a Snabbit prowadziło wczesne rozmowy z Human Archive przed rozpadem projektu.

CEO Urban Company Abhiraj Singh Bhal odpowiedział na platformie X, stwierdzając, że firma nie będzie angażować się w takie układy. To skłoniło Patel do riposty, że Urban Company wkrótce będzie zmuszone do ponownego rozważenia swojej decyzji lub zaryzykuje utratę znaczenia przez odpływ klientów. Współzałożyciel Rushil Agarwal był jeszcze bardziej bezpośredni, pisząc, że założycielka Pronto Anjali Sardana śmiała się z niego i nazwała go „głupim”, gdy przedstawił pomysł partnerstwa danych.

Rozwój technologii i ekspansja

Początkowo Human Archive używał prowizorycznych zestawów lub gotowych urządzeń do przechwytywania danych. Teraz pracuje nad autorskim sprzętem, który współpracuje ze sobą i przechwytuje różne rodzaje danych. Firma ma już ponad 50 różnych urządzeń rozmieszczonych do zbierania różnych punktów danych.

„Aby przechwycić dane, zaczęliśmy od iPhone'ów; potem zbudowaliśmy własne autorskie zestawy i czapki. Teraz mamy ponad siedem różnych produktów sprzętowych, których używamy zamiennie w różnych modalnościach. Po zebraniu danych z różnych urządzeń pracowaliśmy nad synchronizacją danych ze wszystkich tych różnych źródeł”, powiedział Patel w rozmowie telefonicznej.

Pomimo odrzucenia przez znaczących graczy w branży usług domowych, Human Archive nawiązał współpracę z mniejszymi startupami, oferując klientom usługi ze zniżką. Gdy pracownik przybywa do domu, konsumenci otrzymują wybór przez aplikację: zapłacić obniżoną cenę w zamian za zgodę na zbieranie danych lub zapłacić pełną cenę za niefilmowaną wizytę.

Startup rozwija również sposoby dostrajania modeli AI za pomocą własnych danych i testowania ich na robotach w celu oceny skuteczności zadań. Robiąc to, firma może zademonstrować jakość swoich danych potencjalnym klientom i trenować wewnętrzne modele.