Làm 'thầy giáo' dạy robot để kiếm thêm thu nhập? Mì Phong - 'Index' phiên bản Trung Quốc đã xuất hiện

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

25-09-2026 13:52:18 Nguồn: QbitAI

Lâm Phương Chu đưa tin từ Aofei Temple, QbitAI | Tài khoản chính thức QbitAI

Đinh đong~ Các shipper crowdsourcing, à không, các nhân viên thu thập dữ liệu crowdsourcing đã có đơn hàng mới!

Vừa làm việc nhà hoặc đi làm, vừa dễ dàng thu thập dữ liệu hiện thân (embodied data), kết thúc công việc lại kiếm thêm được một khoản thu nhập, liệu có chuyện tốt như vậy thật sao?

Câu trả lời là có. Tháng trước, Figure đã ra mắt nền tảng crowdsourcing dữ liệu huấn luyện robot Index, và giờ đây, "Index phiên bản Trung Quốc" cũng đã xuất hiện.

Ngày 23 tháng 9, "Mifengpai" do Mifeng Technology tạo ra đã chính thức ra mắt, với mô hình "Phần cứng + App + Công cụ dữ liệu" ba trong một, tự xưng là "nền tảng dịch vụ crowdsourcing dữ liệu AI vật lý chất lượng cao toàn danh mục đầu tiên trên thế giới".

Người bình thường chỉ cần tải ứng dụng di động "Mifengpai", đăng ký nhận thiết bị thu thập và nhận nhiệm vụ là có thể bắt đầu thu thập dữ liệu. Người dùng không cần tốn thêm thời gian, không ảnh hưởng đến công việc và cuộc sống bình thường. Những dữ liệu này sau khi được xử lý và phân loại sẽ được bán để phục vụ việc huấn luyện robot.

Các ngành như giao đồ ăn, gọi xe công nghệ đều đã thành công nhờ mô hình crowdsourcing, thậm chí truyền thông tự thân (self-media) ở một mức độ nào đó cũng là một dạng crowdsourcing. Vậy trong lĩnh vực trí tuệ hiện thân (embodied AI) với tiềm năng cao hơn, liệu thu thập dữ liệu crowdsourcing có khả thi?

20.000 thiết bị, hàng triệu giờ dữ liệu

Một đoạn dữ liệu không dùng cơ thể (egocentric data) để huấn luyện robot, từ lúc thu thập đến khi sử dụng, gồm bao nhiêu bước?

Là một nhà cung cấp dịch vụ dữ liệu hiện thân, câu trả lời của Mifeng là: Thu thập → Hiểu → Dịch → Sử dụng, tổng cộng 4 bước.

Trước hết là bước đầu tiên — Thu thập. Thiết bị phần cứng cần thiết cho việc thu thập là nền tảng của mọi thứ.

Các thiết bị đầu cuối thu thập không dùng cơ thể dòng MEgo do Mifeng tự nghiên cứu và phát triển, bao gồm hai sản phẩm là MEgo View và MEgo Gripper.

MEgo View nhắm vào các kịch bản thu thập dữ liệu Ego, sử dụng camera toàn cảnh đeo đầu kết hợp với camera cận cảnh ở cổ tay; góc nhìn từ đầu ghi lại môi trường xung quanh, góc nhìn từ cổ tay bổ sung các chi tiết thao tác.

Còn MEgo Gripper là thiết bị UMI, kẹp thu thập trọng lượng nhẹ chưa đầy nửa cân, được trang bị tiêu chuẩn cảm giác xúc giác 3D.

Tôi cũng đã trải nghiệm MEgo View, nó không quá nặng, đeo trên đầu cảm giác giống như đội mũ bảo hiểm xe điện, đeo lâu cũng không gây áp lực quá lớn. Hơn nữa thao tác rất đơn giản, không cần tinh chỉnh, tự nhiên như đội mũ vậy.

Thiết kế không dây, trọng lượng nhẹ này cực kỳ quan trọng đối với việc thu thập dữ liệu "In the wild" (trong môi trường thực tế). Suy cho cùng, chẳng ai muốn đeo thứ gì đó như công cụ tra tấn, vai cổ của những người "mỏng manh" như chúng ta thực sự không chịu nổi!

Tính đến thời điểm hiện tại, Mifeng đã xuất xưởng 20.000 bộ thiết bị MEgo, đây là lần đầu tiên trong ngành đạt được quy mô sản xuất hàng loạt cho loại thiết bị này.

Các đơn vị trong ngành đều muốn sớm đạt được quy mô hóa. Quy mô hóa đồng nghĩa với chi phí giảm, đồng nghĩa với việc hệ sinh thái có nền tảng, đồng nghĩa với việc bánh đà dữ liệu có hy vọng vận hành... có quá nhiều lợi ích.

Chủ tịch kiêm CEO của Mifeng, Diêu Mão Thanh cho biết, sau khi lưới điện được xây dựng, điện năng mới thực sự thay đổi thế giới. Ngày nay, việc thu thập dữ liệu hiện thân cũng đã có cơ sở hạ tầng của riêng mình.

Diêu Mão Thanh tiết lộ, năng lực sản xuất thiết bị MEgo hiện đạt hàng chục nghìn bộ/tháng. Điều này có nghĩa là công ty có thể nhanh chóng nâng cao số lượng thiết bị đang lưu hành.

Hiện nay, 20.000 bộ thiết bị MEgo này đã đi vào các kịch bản thực tế, tích lũy được hàng triệu giờ dữ liệu hiệu quả. Mifeng tự xưng là nhà cung cấp dịch vụ dữ liệu đầu tiên trong ngành sở hữu hàng triệu giờ dữ liệu không dùng cơ thể có thể bán ra thị trường.

Những dữ liệu này đều đến từ việc thu thập thực tế trong môi trường mở, bao phủ 22 danh mục kịch bản lớn, các hình thức thu thập bao gồm tay trần, đeo cổ tay và kẹp, các phương thức dữ liệu bao gồm hình ảnh màu, độ sâu, đo lường quán tính, xúc giác và âm thanh, v.v.

Tay bị che khuất cũng không sao

"Thu thập được" chỉ là bước đầu tiên, tiếp theo còn phải "nhìn hiểu" và "dịch chuẩn".

Nhân viên quán trà sữa cầm cốc, ngón tay bị thân cốc che khuất hơn một nửa; bàn tay của thợ làm móng và khách hàng đan xen vào nhau, rốt cuộc đâu là tay của người thu thập; tắm cho thú cưng, tay đầy bọt xà phòng...

Các hành động trong thế giới thực vốn dĩ phức tạp. Chuyển động tốc độ cao, tay ra khỏi khung hình, bị che khuất nặng, tương tác giữa nhiều người, v.v., những "bãi mìn" bị cố tình tránh né trong phòng thí nghiệm lại chính là những điều thường nhật trong thế giới thực.

Làm thế nào để tái tạo chính xác hành động bàn tay và tư thế toàn thân của con người từ những video phức tạp này, đồng thời làm rõ mỗi bước đang thực hiện việc gì?

Đây chính là công việc của công cụ dữ liệu MEgo Engine. Nó chịu trách nhiệm thực hiện toàn bộ các công việc như tiền xử lý dữ liệu, nhận thức không gian, gắn nhãn và đánh giá chất lượng.

Ví dụ, công nghệ tái tạo bàn tay độ chính xác cao HandPose trong công cụ dữ liệu chuyên xử lý điểm khó là hành động bàn tay.

Nó kết hợp nhận thức toàn cảnh 5 mắt, theo dõi bàn tay và hợp nhất độ sâu 3 mắt, sau đó thông qua các công nghệ như tái tạo bàn tay tham số, khôi phục quỹ đạo để tái hiện các hành động liên tục.

Trong các kịch bản tác nghiệp thực tế như bị che khuất, tương tác, di chuyển nhanh, bảy chỉ số cốt lõi của nó đều đạt mức SOTA (State-of-the-art).

Nhóm nghiên cứu cho biết, trong kịch bản làm trà sữa, ngay cả khi tỷ lệ nhìn thấy bàn tay dưới 30%, hệ thống vẫn có thể đạt được tái tạo 3D cấp độ dưới centimet; khi làm móng, việc phân biệt tay của người thu thập và người khác không thành vấn đề; khi tắm cho thú cưng, dù chuyển động tốc độ cao gây mờ, bọt xà phòng làm thay đổi ngoại hình bàn tay, hệ thống vẫn có thể tái tạo ổn định.

Bài gốc còn tiếp — xem tiếp tại bài gốc ↗