Сборочный цех для ИИ — 28 июля 2026 г. в 10:31:01.366
Сборочный цех для ИИ Разработчики роботов обычно соревнуются моделями, железом и эффектными демонстрациями. Но по мере роста индустрии возникает ещё одна гонка: кто быстрее наладит производство данных для обучения. Именно производство. Эгоцентричные видео, то есть записи действий от первого лица, нужно специально снимать, а потоки с камер, датчиков положения тела и тактильных перчаток сводить в единый набор. О том, как устроен этот цех, нам рассказал CBDO Data Light Александр Громов. Как выглядит комплект для сбора данных? ➖ Конфигурации различаются. Иногда достаточно нагрудной или головной камеры примерно за 50 тысяч рублей. Две тактильные перчатки могут стоить от 500 тысяч, а полноценный комплект обходится в сумму от 700 тысяч до 1,5 млн рублей. Перед каждой съёмкой проверяют позы, трекинг рук и временные метки. Потоки со всех устройств должны расходиться менее чем на 10 мс. Запись может остановить даже поломка специализированного GMSL2-кабеля: его нельзя заменить обычным USB. Один оператор обслуживает один комплект. Оборудование собирают заново под каждого клиента? ➖ Мы стараемся сразу создавать «роскошный максимум», пригодный для разных проектов. Обычно меняются локации и сценарии, а не оборудование. Комплект рассчитывается примерно на год работы и сбор до 5000 часов данных. Если требуется специфическое устройство, его предоставляет заказчик или стоимость включается в контракт. Покупать комплект для одного клиента и больше его не использовать пока не приходилось. Как выбираются площадки? ➖ Сначала мы составляем матрицу вариативности: помещения, планировки, освещение, поверхности, объекты и способы выполнения действий. Новая локация должна закрывать конкретный пробел. Для склада недостаточно тысячи захватов на одном стеллаже: нужны разные полки, упаковка, расстояния между предметами и степень заполненности пространства. У нас пять постоянных площадок в России и странах СНГ. Для разнообразия мы снимаем на производствах, в барах, кальянных и боулингах, а квартиры арендуем на три-четыре дня. Типичный крупный проект — от 10 тысяч часов в месяц. Для него одновременно работают около 50 комплектов и 60-65 человек, включая операторов, техническую команду и специалистов по хранению, обработке и контролю качества данных. Из часа записи пригодными остаются 45-50 минут. Остальное отсеивается из-за технических проблем, нарушения протокола или необходимости переснять сцену. Съёмкой производство заканчивается? ➖ Нет. Рынок уже переполнен эгоцентричными видео, но они сильно различаются качеством, разнообразием и насыщенностью действиями. Поэтому сначала проводится модерация, затем ручная разметка. ИИ-модели проверяют наличие рук и посторонних людей, ищут лица и часть персональных данных, оценивают качество видео. Но тряску, пересвеченные объекты, сложные действия и нестандартные персональные данные они пока распознают хуже людей. Насколько трудоёмка разметка? ➖ В простом кейсе в кадре были рука, яблоко, стакан, коробка, стол и два действия: pick и place. Разметка одного часа заняла 10–15 часов работы эксперта. В сложном кейсе менялись руки, предметы и действия. Специалисты описывали происходящее, отслеживали объекты с помощью bounding boxes и размечали точки касания keypoints. На один час видео ушло 1000 реальных рабочих часов. Полностью автоматизировать этот этап пока не получилось. Либо не хватает качества, либо инференс и последующая проверка стоят примерно столько же, сколько ручная работа. Поэтому модели используются для фильтрации, валидации и соблюдения единой таксономии, чтобы один объект не назывался одновременно «кружкой» и «чашкой». @anti_agi