Лоб под объективом, газировка в награду: как люди готовят учебник для роботов

Наверняка вам попадались видео, в которых индийские швеи сидят за машинками с экшен-камерами на лбу, а парикмахер стрижёт клиента с GoPro на груди. Со стороны это похоже на странный контент ради просмотров, но за него действительно платят: каждая запись попадает в обучающую выборку робота, который в будущем научится делать то же самое без участия человека. Под катом разберёмся, кто собирает данные для гуманоидов, сколько за это платят и какое отношение к теме имеют «Яндекс» и «Сбер».

Откуда взялись люди с камерами на лбу

Весной 2026 года по соцсетям разлетелись кадры с индийских фабрик. Швеи работают в цехе, у каждой на голове закреплена камера, руки заняты делом, а объектив фиксирует всё происходящее от первого лица. Один из таких роликов получил подпись о работниках, которые обучают собственную замену, и стал настолько популярным, что редакция Times of India проверила, не инсценировка ли это. Выяснилось, что все видео настоящие.

Летом в журналистском расследовании The Guardian швея Лалита с фабрики недалеко от Дели рассказала, что в начале смены руководство просто раздало сотрудникам налобные камеры и ничего не объяснило. Поначалу все посмеивались над нелепым видом, но затем осознали, что устройство записывает и каждый разговор.

Лалита получает около 200 долларов в месяц, а за съёмку, по её словам, «иногда дают газировку». Сотрудники отдела кадров уверяли портных, что благодаря камерам потенциальные заказчики увидят качество продукции и разместят больше заказов, а это приведёт к росту зарплат.

На деле же камеры понадобились для записи видео в датасеты для ИИ. Выручку от этого получали владельцы фабрик и агрегаторы данных, например индийская EgoLab, среди крупных клиентов которой называют Tesla.

Почему роботу недостаточно интернета

Языковые модели уже усвоили практически весь текстовый интернет, но с роботами такой подход не работает. На YouTube невозможно отследить связь между увиденным и тем, как при этом работают мышцы. Модели класса Vision–Language–Action (VLA) обучаются на парах «изображение плюс действие», а в открытом доступе таких пар почти нет.

Компании-разработчики роботов ежегодно тратят на покупку реальных данных свыше 100 млн долларов. В 2025 году аналитики LP Information оценили рынок платформ и комплектов для сбора робототехнических данных в 590 млн долларов. Согласно прогнозу, к 2032 году он вырастет ещё на 27,8%. Появилась и новая профессия — посредник, который ищет исполнителей, выдаёт им камеры и продаёт лабораториям часы записей.

Дефицит данных при этом лишь усиливается. Не хватает даже открытого датасета Open X-Embodiment, который в 2023 году создали специалисты Google DeepMind совместно с исследователями из 21 лаборатории. Он включает миллион траекторий от 22 типов роботов и считался прорывом в отрасли, однако содержащиеся в нём данные сужают круг сценариев, доступных гуманоидам.

Ариан Садеги, отвечающий в Micro1 за данные для робототехники, заявил CNN, что требуются миллиарды часов записей: движения отличаются в каждой среде — от фабрики до дома престарелых.

Сбор данных развивается давно

Учёные начали фиксировать повседневные действия задолго до нынешних коммерческих предложений. В Ego4D вошли тысячи часов видео из 74 локаций в девяти странах. Среди запечатлённых занятий — приготовление еды, футбол и работа по дереву (см. рисунок), но набор создавался для изучения восприятия от первого лица, так что готовых команд для манипулятора в нём нет.

В исследовательском проекте AINA сбор данных изначально ориентировали на задачи ИИ. Участники надевают очки Aria Gen 2, а система определяет положение головы и рук в пространстве. По этим сведениям восстанавливаются движения, после чего модель учится предсказывать дальнейшие траектории.

В Ego-Exo4D к очкам Aria добавили несколько синхронизированных внешних камер. Людей снимали за ремонтом велосипедов, приготовлением пищи, музыкальными занятиями, спортом и танцами. К записям прилагались пояснения самих участников и комментарии экспертов, способных оценить технику выполнения.

Данные собирает и Instawork — платформа по подбору сменных работников. Для записи видео она использует Instacore — собственное носимое устройство с пятью камерами и инерциальным датчиком (IMU). Как сказано в вакансии, «сотни таких устройств ежедневно курсируют по всей Индии, обеспечивая обучение передовых моделей физического искусственного интеллекта».

В августе 2026 года Figure представила платформу Index, предназначенную для сбора человеческих демонстраций для модели Helix. На момент анонса компания сообщала о более чем 264 тыс. загрузок приложения в 108 странах и свыше 16 млн загруженных видео. Участникам выплатили 15 млн долларов.

Кого нанимают и сколько платят

Компания Micro1 из Пало-Альто привлекла тысячи подрядчиков более чем в 50 странах, прежде всего в Индии, Нигерии и Аргентине. Она предлагает записывать бытовые действия, в том числе работу с простыми строительными инструментами. Оплачивается только одобренный материал, поэтому время перед камерой и время, за которое начисляют деньги, могут не совпадать.

Вот пример: студент-медик Зевс из Нигерии после смены в больнице включает кольцевую лампу, закрепляет iPhone на лбу и неторопливо застилает кровать — руки должны всё время оставаться в кадре. За это он получает 15 долларов. А репетитор Арджун из Дели тратит час на пятнадцатиминутный ролик: в его небольшой квартире заканчиваются домашние дела, которые можно показать по-разному.

По условиям нужно снимать по десять часов разнообразных видео в неделю: готовить, убираться, работать в саду или ухаживать за животными. Подойдут iPhone 12 и новее, Google Pixel 6–9 или Samsung Galaxy S21 и новее.

Кандидатов отбирает ИИ-агент Zara, записи проверяют алгоритмы и живые ревьюеры, а затем сотни разметчиков подписывают каждое действие, совершённое исполнителями. Крепление для телефона или камеры выдаётся.

В Индии за час видео в среднем платят от 13 до 15 долларов, а в США — втрое больше: разработчики роботов рассчитывают, что бытовых помощников будут покупать в первую очередь американцы. Индийские записи пойдут на промышленные задачи — сборку электроники или пошив одежды. При этом спрос не ограничивается съёмкой на фабриках и в домах — запросы гораздо шире.

Той же Micro1 требуются демонстрации ремонта автомобилей, столярных работ, сантехники и электромонтажа. Для сантехников указан диапазон 20–30 долларов в час. Есть вакансии и по разметке действий.

Технологии для состоятельных компаний

В проекте UMI участники работают с ручными захватами, на которых установлены камеры GoPro. При обработке данных специалисты восстанавливают траектории и проверяют, насколько демонстрации согласуются с ограничениями манипулятора (видео здесь).

Tesla платит операторам сбора данных в костюмах с маркерами от 25 до 48 долларов в час. Сотрудник проводит по семь часов в день, двигаясь по заданным маршрутам в костюме захвата движений и VR-шлеме, а вечером пишет отчёт. Здесь от кандидата требуется уже не просто нормальный смартфон… Нужен рост от 170 до 183 см: оператор должен соответствовать параметрам Optimus.

Стартап Sunday Robotics отказался от шлемов и костюмов и создал перчатку стоимостью 200 долларов: она повторяет форму манипуляторов робота Memo и записывает движения пальцев вместе с силой нажима. Те же данные через телеоперацию обошлись бы примерно в 20 тыс. долларов. Перчатки уже раздали «разработчикам данных» и собрали около 10 миллионов действий для робота.

Существует и третий путь… Компания 1X Technologies продаёт домашнего робота Neo за 20 тыс. долларов, но каждым его движением управляет человек в VR-шлеме. По сути, покупатель за собственные деньги впускает в дом не робота, а веб-камеру с руками и удалённым оператором.

Пригодился и Голливуд

Подразделение Disney Research вместе с NVIDIA и Google DeepMind участвует в создании физического движка Newton. Он нужен для робототехнических симуляций, в которых можно менять условия и проверять алгоритмы управления ещё до испытаний на реальной машине.

Впрочем, пока не обошлось без трудностей. Симуляция выдаёт данные невысокого качества: ткань в кадре и в реальности ведёт себя по-разному, к тому же некоторые условия невозможно ни предугадать, ни воспроизвести. Чтобы перенести навык в реальный мир, приходится сверять физическую модель с настоящим поведением объектов, в том числе при контакте и трении.

Что происходит у нас

В сентябре 2026 года «Яндекс» провёл конференцию для ИИ-тренеров и запустил одноимённую платформу. На привлечение тренеров в этом году компания планирует потратить 3,5 млрд рублей против 2 млрд в 2025-м. Сейчас для Алисы работают 2085 экспертов, которые составляют эталонные ответы по медицине, праву и инженерии. Как только компании понадобятся данные для физического ИИ, она быстро найдёт желающих — люди уже понимают, как устроен этот процесс.

Кроме того, «Сбер» на AI Journey продемонстрировал гуманоида Грина на базе GigaChat, а в феврале 2026 года опубликовал в открытом доступе руководство по обучению робототехнических моделей Green-VLA. Есть у нас и Aidol, который упал прямо на собственной презентации под музыку из «Рокки». Иными словами, роботы уже существуют, а потребность в данных скоро возникнет.

Строить гуманоидное «железо» в одиночку дорого и долго — в него уже вложены миллиарды. Но для слоя данных нужны дисциплинированные люди с камерами, разметчики и инженеры, умеющие готовить обучающие выборки. Именно такую инфраструктуру «Яндекс» и «Сбер» выстраивают сейчас, пусть и для текстовых моделей. Переориентировать её на физический ИИ реалистичнее, чем с нуля догонять Tesla в аппаратной части. Не исключено, что эти специалисты будут готовить гуманоидов к более интеллектуальной работе, чем штамповка маек.

В чём подвох

Причём не в одном. Первый — приватность: в кадр попадают интерьеры, личные вещи и родственники. Micro1 просит не показывать лица и пропускает записи через ИИ-фильтры с участием живых ревьюеров, однако конкретных заказчиков и цели съёмки не раскрывает. Биометрические данные о движениях пока никак не защищены законом, а согласие работников на фабриках весьма условно.

Второй подвох — качество. Робот, обученный на записях из скромных квартир, отправится работать в богатые дома… Чем уже среда, в которой собирались данные, тем уже мир, который знает модель.

Наконец, третий — этический. За несколько долларов в час и бутылку газировки люди фактически снимают обучающий фильм о том, как заменить самих себя… Человек продаёт запись один раз, а модель зарабатывает на ней бесконечно.

Расскажите в комментариях, надели бы вы камеру на лоб за тысячу рублей в час? И как считаете, успеет ли Россия занять нишу данных для роботов?

 

Источник