Камера на лоб, газировка в подарок: как человечество снимает самоучитель для роботов

Вы наверняка видели ролики, где индийские швеи работают за станками с экшен-камерами на лбах или парикмахер стрижет с GoPro, закрепленной на груди. За такой, как может показаться, фрик-контент платят зарплату, ведь каждое видео уходит в обучающую выборку робота, который однажды сделает то же самое без человека. Под катом расскажу, кто собирает данные для гуманоидов, сколько за это платят и при чем тут «Яндекс» и «Сбер».

Откуда взялись люди с камерами на лбу 

Весной 2026 года соцсети облетели кадры с индийских фабрик. Швеи сидят в цехе, на голове у каждой закреплена камера, руки двигаются, объектив пишет все от первого лица. Один из таких роликов с подписью про работников, которые обучают собственную замену, разошелся настолько, что Times of India выясняла, постанова это или нет. Все видео оказались реальными.

Летом в расследовании The Guardian швея Лалита с фабрики под Дели рассказала, что руководство просто выдало работникам налобные камеры в начале смены, не объяснив зачем. Сначала все смеялись над тем, как это выглядит, но потом люди поняли, что камера слышит каждый разговор. 

Зарабатывает Лалита около 200 долларов в месяц, а за съемку, по ее словам, «иногда дают газировку». Кадровики же убеждали портных, что благодаря камерам потенциальные клиенты увидят качество их продукции и разместят больше заказов, что приведет к повышению зарплаты. 

Однако камеры нужны были для съемки видео в датасеты для ИИ. Деньги за это получали владельцы фабрик и агрегаторы данных вроде индийской EgoLab, чьим крупным клиентом называют Tesla.

Почему роботу мало интернета

Языковые модели уже съели практически весь текстовый интернет, но с роботами так не выйдет. На YouTube нет связи между тем, что ты видишь, и тем, как при этом двигаются мышцы. Модели класса Vision–Language–Action (VLA) учатся на парах «картинка плюс действие», а таких в Сети практически нет.

Робототехнические компании тратят на закупку реальных данных более 100 млн долларов в год. В 2025 году LP Information оценивала рынок платформ и комплектов для сбора робототехнических данных в 590 млн долларов. По прогнозу, его объем до 2032 года подрастет еще на 27,8%. Также уже появилась профессия посредника, который находит людей, выдает им камеры и продает часы записей лабораториям.

Дефицит же данных только растет. Мало даже открытого датасета Open X-Embodiment, который в 2023 году собрали специалисты Google DeepMind и исследователи из 21 лаборатории. Несмотря на то, что он вместил миллион траекторий от 22 типов роботов и считался прорывом в робототехнике, данные из него ограничивают сценарии применения гуманоидов. 

Ариан Садеги, который отвечает за робототехнические данные в Micro1, признался CNN, что нужны миллиарды часов, потому что движения различаются в каждой среде, от фабрики до дома престарелых.

Индустрия сбора информации развивается давно 

Исследователи начали собирать повседневные действия задолго до нынешних коммерческих предложений. В Ego4D вошли тысячи часов видео из 74 локаций в девяти странах. Среди занятий есть готовка, игра в футбол и работа с деревом (смотрите рисунок), но набор предназначался для изучения восприятия от первого лица, поэтому готовых команд для манипулятора тут нет. 

В исследовательском проекте AINA сбор данных уже был нацелен на ИИ. Участники носят очки Aria Gen 2, а система получает пространственные положения головы и рук. Из них восстанавливают движения, после чего модель учится предсказывать дальнейшие траектории. 

В Ego-Exo4D к очкам Aria добавили несколько синхронизированных внешних камер. Людей снимали за ремонтом велосипедов, готовкой, музыкальными занятиями, спортом и танцами. К видео добавляли их объяснения и комментарии специалистов, способных оценить технику выполнения.

Данные собирает и Instawork — платформа для найма сменных работников. Для записи видео в этом случае используется Instacore — фирменное носимое устройство с пятью камерами + IMU. По данным в вакансии, «сотни таких устройств ежедневно курсируют по всей Индии, обеспечивая обучение передовых моделей физического искусственного интеллекта».

В августе 2026 года Figure также представила свою платформу Index для сбора человеческих демонстраций под Helix. К моменту анонса компания сообщала о более чем 264 тыс. скачиваний в 108 странах и свыше 16 млн загруженных видео. Участникам выплатили 15 млн долларов. 

Кого берут на работу и сколько платят 

Micro1 из Пало-Альто наняла тысячи подрядчиков более чем в 50 странах, в первую очередь в Индии, Нигерии и Аргентине. Компания приглашает людей записывать бытовые действия, включая работу с простыми строительными инструментами. Оплачивают только одобренный материал, поэтому проведенное перед камерой время и время, за которое платят, могут различаться.

Например, студент-медик Зевс из Нигерии возвращается после смены в больнице, включает кольцевую лампу, фиксирует iPhone на лбу и медленно застилает кровать, потому что руки обязаны оставаться в кадре. Платят ему за это 15 долларов. А репетитор Арджун из Дели тратит час на пятнадцатиминутное видео, потому что в его небольшой квартире кончаются домашние дела, которые можно разнообразно показать. 

По задачам нужно снимать десять часов разнообразных видео в неделю — например, готовить, убираться, заниматься садом или ухаживать за животными. Для съемки подходит 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 после сотни разметчиков подписывают каждое сделанное такими сотрудниками действие. Крепление для телефона или камеры предоставляют. 

В среднем в Индии за час видео платят от 13 до 15 долларов, но в США платят втрое больше, потому что робототехнические компании нацелены на то, что домашних роботов будут покупать именно американцы. Индийские данные пойдут на промышленные задачи, сборку электроники или пошив одежды. Однако требуются не только записи с фабрик или из домов — запросы куда шире. 

Той же Micro1 нужны демонстрации ремонта автомобилей, столярных работ, сантехники и электромонтажа. В предложении для сантехника указан диапазон 20–30 долларов в час. Есть вакансии и по разметке действий.

Технологии для богатых компаний 

В проекте UMI участники работают ручными захватами с камерами GoPro. При обработке данных специалисты восстанавливают траектории и проверяют совместимость демонстраций с ограничениями манипулятора (видео тут). 

Tesla платит операторам сбора данных в костюмах с маркерами от 25 до 48 долларов в час. Сотрудник на такой работе семь часов в день ходит по маршрутам в костюме захвата движения и VR-шлеме, а вечером пишет отчет. В этой вакансии требуется уже чуть больше, чем нормальный смартфон… Рост от 170 до 183 см — оператор должен соответствовать параметрам Optimus. 

Стартап Sunday Robotics вместо шлемов и костюмов сделал перчатку за 200 долларов, которая повторяет форму манипуляторов их робота Memo и записывает движения пальцев вместе с усилием. Телеоперация обходится примерно в 20 тыс. долларов на те же данные. Перчатки уже раздали «разработчикам данных» и собрали около 10 миллионов действий для робота. 

Есть и третий путь… 1X Technologies продает домашнего робота Neo за 20 тыс. долларов, но каждым его действием управляет человек в VR-шлеме. По сути, покупатель за свои деньги пускает домой не робота, а веб-камеру с руками и оператором на удаленке. 

Голливуд тоже пригодился

Disney Research участвует в разработке физического движка Newton вместе с NVIDIA и Google DeepMind. Он предназначен для робототехнических симуляций, где можно менять условия и проверять управление до испытаний на настоящей машине. 

Однако тут пока есть проблемы. Симуляция дает некачественные данные, ведь ткань в кадре и в реальности двигается по-разному, плюс все же есть условия, которые нереально предугадать и подстроить. Для переноса навыка приходится проверять соответствие физической модели реальному поведению, в том числе при контакте и трении. 

Как дела дома

В сентябре 2026 года «Яндекс» провел конференцию для ИИ-тренеров и открыл одноименную платформу. На привлечение тренеров в этом году компания планирует потратить 3,5 млрд рублей против 2 млрд в 2025 году. Сейчас тренерами для Алисы работают 2085 экспертов — они составляют эталонные ответы для медицины, права и инженерии. Как только у компании появится необходимость в данных для физического ИИ, она быстро найдет желающих с пониманием того, как обстоит процесс. 

Кроме того, «Сбер» на AI Journey показал гуманоида Грина на базе GigaChat, а в феврале 2026 года выложил в открытый доступ руководство по обучению роботизированных моделей Green-VLA. А еще у нас есть Aidol, который упал на собственной презентации под музыку из «Рокки». То есть роботы тоже есть, и потребность в данных скоро появится. 

Строить гуманоидное железо в одиночку дорого и долго, туда уже вложены миллиарды, но для слоя данных нужны дисциплинированные люди с камерами, разметчики и инженеры, которые умеют готовить обучающие выборки. Именно эту инфраструктуру «Яндекс» со «Сбером» сейчас и строят, пусть и для текстовых моделей. Переориентировать ее на физический ИИ реалистичнее, чем с нуля догонять Tesla по железу. При этом, вероятно, эти люди будут готовить гуманоидов к более интеллектуальной работе, чем штамповка маек. 

Где подвох

Он есть и даже не один. Первый — это приватность, ведь в кадр попадают интерьеры, вещи и родственники. Micro1 просит не показывать лица и прогоняет записи через ИИ-фильтры с живыми ревьюерами, но конкретных клиентов и цели съемки не раскрывает. Биометрия движений законом пока не регулируется, а согласие на фабриках довольно-таки условно.

Второй подвох — это качество. Робот, обученный на видео из бедных квартир, поедет работать в богатые дома… Чем уже среда сбора, тем уже мир, который знает модель.

Ну и третий, этический. Люди за несколько долларов в час и бутылку газировки снимают обучающий фильм по факту для замены себя… Человек продает запись один раз, а модель зарабатывает на ней бесконечно.

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