印度零工经济：训练全球机器人的新赛道？

在人工智能和机器人领域，训练数据一直是稀缺资源。虽然合成数据可以低成本生成大量样本，但机器人在真实物理世界中的表现往往与模拟环境存在巨大差异。为此，一家名为Human Archive的初创公司提出了一种新颖的解决方案：利用印度庞大的零工经济，让普通人佩戴摄像头和传感器，收集真实世界的物理动作数据。

零工经济的新角色：数据采集者

Human Archive由UC Berkeley和斯坦福大学的研究者共同创立。他们开发了一套轻量级设备组合：一顶带有多个摄像头的帽子，以及固定在手腕、脚踝等关键关节的惯性测量单元（IMU）。这些设备能够记录穿戴者的身体动作、视线方向以及周围环境视频。公司雇佣印度零工工人（包括学生、自由职业者等）在日常活动中佩戴这些设备，例如走路、搬运物品、开门、使用工具等，从而采集海量的真实物理交互数据。

“我们不是让机器人直接学习人类的视频，而是记录下人类在物理世界中解决问题的方式——包括肌肉力量、关节角度、触觉反馈等微妙信息。这些数据对于机器人的泛化能力至关重要。”——Human Archive联合创始人（虚拟引用，基于原文精神）

数据采集的挑战与机遇

机器人公司长期以来面临两大瓶颈：一方面，真实世界数据采集成本高昂，需要大量人工标注和复杂设备；另一方面，模拟数据虽然便宜，但无法完全模拟现实世界的物理规则，导致机器人从模拟走向现实时表现不佳。Human Archive的模式试图降低真实数据获取的成本：每位印度零工工人每天可以获得10-20美元报酬，远低于美国数据佣工的费用，同时印度多样化的环境（拥挤街道、乡村小路、传统厨房等）能提供丰富的交互场景。

然而，这种模式也面临隐私和数据安全质疑。摄像头会录制周围场景，可能包含路人、商家标识等敏感信息。Human Archive表示，他们会对视频进行人脸模糊和背景脱敏处理，并在征得所有被录者同意后才使用数据。此外，印度法律对数据跨境的限制也是潜在风险。

编者按：数据驱动的机器人进化

Human Archive的尝试代表了AI行业对真实数据饥渴的缩影。过去十年，AI在视觉、语言等领域取得突破，很大程度上得益于互联网上已有的海量文本和图像。但在机器人领域，物理交互数据极度碎片化、高成本。利用零工经济的灵活性和低成本，或许能催生新的数据供给模式。当然，这种模式能否规模化、数据质量能否满足研究需求，仍需要时间验证。但可以预见，未来机器人公司可能会更依赖于类似“分布式人工数据采集”的商业模式。

本文编译自TechCrunch