最近、身体拡張型知能における実データ収集技術に重要な進展が見られましたアント・デジタルの天璣ラボチームが開発したAoE（Always-On Egocentric）という継続的な一人称視点映像収集フレームワークは、軽量で低コストな身体拡張型データ収集手法を提案していますスマートフォン一台と20米ドル未満の首掛け式スタンドだけで、数万米ドルもする専用機材に匹敵する高品質なデータ収集が可能になりますこの技術方案の登場により、身体拡張型データ収集における高コストや大規模化の難しさという課題が効果的に解消されました現在、本技術に関する論文はArxivに掲載されています
同方案は、ミリメートル単位の軌跡精度と90％以上の手部キーポイント認識精度を維持しつつ、数千台のデバイスによる同時収集とクラウド上の自動処理を実現しています実測によれば、Unitree G1ロボットによるパソコンの電源オフ作業において、遠隔操作データ50件だけでは成功率が45％に留まるのに対し、AoEデータ200件を追加することで成功率は95％まで急上昇しましたデータが不足している状況下では、AoEが「学習の初期段階」における重要な補完役を担っています
論文によると、アント・デジタルは「長時間の動画を学習用データへ変換する」という技術的難題を克服しました同方案では、エッジ側の軽量な視覚モデルが手と物体の相互作用を自動的に検出し録画を開始し、大規模言語・視覚モデルによって連続した動画を意味タグ付きの原子的動作セグメントに分割します最終的にはクラウド上で自動的なラベリング、フィルタリング、クリーニングが行われ、スマートフォンで撮影された動画が高品質で標準化された学習用データへと自動的に変換されますさらに、AoEはエッジとクラウドの協調型ソリューションを構築し、収集・前処理・クリーニング・選別・スケジューリングの一連の工程を自動化することで、人手による介入を大幅に削減しつつ、全体の処理スループットを向上させています
