ロングテール
ほとんどの故障は稀な例外で起こります。
ロボットは一人称視点のデモンストレーションから学習します。 Thoth 自己中心的なデータを大規模に収集しつつ、すべてのキャプチャを導き、改善し、検証する知能層を構築します。
問題点
現実は欠けているデータセットです。
今日のロボットシステムは、厳選されたデータセットで訓練されていますが、毎秒変化する環境に展開されています。
分布シフト
現実世界は動く。データセットは動かない。
見えないシナリオ
展開は訓練では見られなかったものを満たしています。
解決策
私たちは廃棄物が一切起こらないように収集システムを作りました。
ほとんどの訓練データは捨てられてしまいます。未訓練のギグコレクターは動きが速すぎたり、フレームから外れてしまい、モデルが学習できない映像を送り込みます。
原理
訓練を受けた人々
キャリアコレクター
各コレクターは、有料作業が始まる前に体系的なオンボーディングと認証パスをクリアします。
AR誘導捕獲
スペック上のライブオーバーレイ
ヘッドアップオーバーレイはフレーミング、距離、ライティングをリアルタイムで追跡し、悪いクリップがリグから出る前に再撮影をフラグします。
推測ではなく、測定されたものだ
基準と比較して計測
LiDARやステレオカメラは各セッションの前にキャプチャボリューム全体をスキャンするため、すべての軌道は推定ではなく実際のジオメトリに基づいて測定されます。
出典に注釈付き
セッション中に貼られたラベル
ポーズ、コンタクト、オブジェクトラベルは生映像と一緒に生成されるため、使えるまで別の注釈キューで待つことはありません。
スキャン
録音する前に、
スキャンする。
キャリブレート
3台のLiDARヘッドがリグの体積を記録します。
スキャン
接触前に完全な点雲が存在します。
検証
両方のリグはリファレンススキャンと一致していました。
小さく始めて、急速に拡大
10時間サンプル本日発売
200提供時間カスタマイズされたデータ
習慣月間取引量連続供給
はじめに
まずはデッキではなく、実際のデータを見て始めましょう。
70+
収集家
キャリアコレクターは全ての拠点で給与リストに載っています — 仕事ごとに雇われるギグワーカーではありません。
1:5
QA比率
5人のコレクターに1人の専任QAレビュアーがいて、出荷前に各セッションをチェックしています。
<1%
ドロップ率
録音されたクリップのうち、品質のために破棄されるのは1%未満で、残りは利用可能なデータです。
ゼロ
アウトソーシング
すべてのセッションは社内でキャプチャされます。第三者のベンダーはパイプラインに一切関与しません。
30fps
捕獲率
すべての軌道は30フレーム毎秒で記録されているため、高速な動きも判読しやすいです。
20+
遺跡
地域ごとにアクティブキャプチャサイトを設置するため、データは一つの部屋ではなく、実際の多様性を反映しています。
ワークフロー
私たちが作っている情報層です。
私たちは、すべての展開決定がより高品質なデータを生成するループを構築しています。注釈コストを削減しつつ、正確性を向上させています。
多くの企業が一人称動画を収集できます。 Thoth は、何を収集すべきか、何にラベルを付けるべきか、そして時間とともに各データセットの価値が高まるかを決定するインテリジェンス層を構築します。
- アクティブラーニング
- 自動化品質管理
アクティブラーニング
不確実性を検出し、欠落したエッジケースを優先し、次に何を収集するかを決定するレイヤーを構築しています。
自動化品質管理
学習パイプラインに入る前に、すべての記録や注釈の一貫性と正確性を自動検証するシステムを構築しています。
地平線:モデルが次に何を集めるべきかを教えてくれるので、追加される1時間ごとにランダムな1時間が勝るのです。
01
02
03
04私たちの使命
私たちの使命
“モデルが実体験から学習できるデータを収集し、注釈コストを削減し、やり取りごとに改善しましょう。”
ペドロ・アルヴェス
(CTO、 Thoth AI)
Get started
ロボットを作る?実際に必要なデータについて話しましょう。
私たちのチームに相談してください
ロボティクスのデータキャプチャを担当するチームとの30分間の通話。営業デッキなし。
Thoth AI — 具身化されたAIとロボティクス
Continue exploring