Dados de locais de trabalho japoneses para o desenvolvimento de IA física.
Dados de manipulação não existem na web. Em locais de trabalho no Japão onde pessoas estão de fato trabalhando, com foco inicial na manufatura, gravamos vídeo egocêntrico (em primeira pessoa) e o conhecimento tácito por trás do trabalho qualificado, conforme a especificação do seu modelo.
Para solicitar uma amostra, basta um e-mail. Não há problema em nos procurar antes de a especificação estar definida.
Estamos nos estruturando para chegar a 1.000 horas gravadas por semana.
Diretor: Toshiyuki Yamamoto, fundador da Chatwork
IMAGEM ILUSTRATIVARECORDING RIG
Como uma sessão é gravada
A captura é planejada para que o trabalhador não mude a forma como trabalha. O equipamento e os formatos de gravação podem ser especificados pela sua equipe.
IN 01
Câmera montada na cabeça | visão em primeira pessoa
Registra como o olhar, as duas mãos, a ferramenta e a peça se relacionam em tempo real.
IN 02
Áudio
A narração durante a tarefa e as entrevistas após a tarefa servem de base para a anotação de conhecimento tácito.
IN 03
Vistas auxiliares (opcional)
Câmeras na altura das mãos ou câmeras fixas, adicionadas conforme a especificação.
SUBJECT
Trabalhador (em sua rotina habitual)
OUT
Dados entregues
- Vídeo egocêntrico
- Anotação de conhecimento tácito (com marcação de tempo)
- Metadados (ambiente, material, ferramental, condições de trabalho)
- Formato de entrega definido na especificação
DATA
O que entregamos
EGOCENTRIC VIDEO
Vídeo egocêntrico
Captura com câmera montada na cabeça de um trabalhador experiente: olhar, mãos e operação da ferramenta. O mundo como o operador o vê, que é a visão que um robô precisa reproduzir.
TACIT KNOWLEDGE
Verbalização do conhecimento tácito
Por que o trabalhador fez uma pausa aqui. O que ele observou antes de decidir. Entrevistamos o trabalhador, transformamos a intenção e os critérios de decisão em anotação e a entregamos vinculada ao vídeo.
CUSTOM COLLECTION
Coleta conforme sua especificação
Configuração das câmeras, resolução, taxa de quadros, sincronização, metadados. Planejamos e coletamos com base em uma especificação por escrito, alinhada ao seu modelo e ao seu pipeline de treinamento.
SPEC SHEET
O que a especificação de dados define
Antes do início da coleta, definimos os itens abaixo em uma especificação de dados por escrito. Podemos propor uma configuração com base em como os dados serão usados: pré-treinamento, ajuste fino ou avaliação.
- Ponto de vista e equipamento
- Posição, quantidade e método de fixação das câmeras montadas na cabeça; vistas auxiliares opcionais, na altura das mãos ou fixas
- Vídeo
- Resolução, taxa de quadros, campo de visão e tratamento da estabilização
- Sincronização e metadados
- Sincronização de tempo entre os pontos de vista; campos de metadados como ambiente, material, ferramental e condições de trabalho
- Anotação
- Granularidade da segmentação de tarefas (processo, tarefa, movimento) e formato da anotação de conhecimento tácito (intenção e critérios de decisão)
- Entrega
- Formato de arquivo, estrutura de pastas e método de entrega; entrega de amostra, revisão pela sua equipe e, em seguida, a coleta completa
- Direitos
- Licença exclusiva ou não exclusiva, escopo de uso (treinamento, avaliação, redistribuição, obras derivadas), escopo do consentimento do local de trabalho e do trabalhador
Definimos o licenciamento — exclusivo ou não exclusivo — e o escopo de uso em cada contrato, de acordo com a finalidade pretendida.
WHY EGOCENTRIC
Por que vídeo egocêntrico e por que conhecimento tácito?
Dados de manipulação não existem na web
Os modelos de linguagem aprenderam com textos da web, e os modelos de imagem, com imagens da web. Os dados operacionais do trabalho real não estão na web: precisam ser gravados uma sessão por vez, no mundo físico. Em última instância, são a qualidade e a diversidade dessas demonstrações que determinam como o aprendizado por imitação e os modelos VLA se comportam no local de trabalho.
A visão em primeira pessoa é próxima do que um robô precisa reproduzir
A visão de um trabalhador experiente, captada por uma câmera montada na cabeça, registra a relação entre o olhar, as duas mãos, a ferramenta e a peça no momento em que ela acontece. Oclusões, mudanças de olhar e detalhes finos das mãos, que se perdem com uma câmera fixa, permanecem na gravação. E, como nenhum robô está envolvido, a captura pode ser levada aonde o trabalho de fato acontece, em vez de ficar em um laboratório.
A habilidade não aparece só no vídeo
Por que o trabalhador parou ali. O que ele observou antes de considerar o resultado bom ou ruim. Esse discernimento é difícil de aprender apenas com as imagens, por isso entrevistamos o trabalhador e anexamos sua intenção como anotação com marcação de tempo, permitindo que o comportamento e os critérios de decisão sejam aprendidos em conjunto.
Conjuntos de dados públicos como Open X-Embodiment e DROID são coletados, em grande parte, em ambientes de pesquisa. Dados egocêntricos gravados em locais de trabalho de manufatura e de serviços no Japão estão disponíveis publicamente apenas de forma limitada.
FIELD ACCESS
Providenciamos locais de trabalho no Japão conforme sua especificação.
Nosso foco central é a manufatura. Você nos diz qual trabalho quer capturar e as condições que ele precisa atender; nós providenciamos um local de trabalho correspondente no Japão, fazemos a liberação dos direitos de filmagem e de uso das imagens e, então, gravamos. Encontrar o local e liberar os direitos é a parte que assumimos. Teremos prazer em conversar mesmo antes de a tarefa-alvo estar definida.
FOCUS
Manufatura
É onde estamos concentrando nossos esforços inicialmente. A habilidade manual determina o resultado, e a transmissão dessa habilidade é uma questão em aberto em boa parte dessas atividades.
Processos de fábrica disponíveis para captura
Construção
Trabalhos em que o procedimento varia conforme as diferenças individuais de cada objeto, como instalação e conexão. É a área que abordaremos em seguida, e estamos abertos a conversas sobre ela.
Para construção e outras áreas não listadas, providenciamos os locais a cada projeto, escolhendo no Japão um local que corresponda à especificação daquele projeto. Não são locais que a Chuo-Sogo possui hoje.
Um local que concordou com a filmagem
Uma fábrica de tubos de aço para água e conexões concordou com a filmagem de soldagem manual e goivagem. Estamos preparando uma coleta de amostras nesse local.
PROCESS
Da primeira conversa à entrega
- 01
Levantamento inicial
Analisamos as tarefas-alvo, como os dados serão usados e a especificação que você tem em mente. Não há problema se a especificação ainda não estiver definida.
- 02
Especificação de dados
Definimos por escrito a configuração das câmeras, o formato e a granularidade da anotação e o formato de entrega.
- 03
Coleta de amostras
Coletamos um pequeno volume para que você possa verificar o conteúdo em relação à especificação.
- 04
Coleta de POC
Coletamos e entregamos em volume com base na especificação acordada.
- 05
Fornecimento contínuo
Seguimos fornecendo dados enquanto ampliamos a variedade de locais e tarefas cobertos.
O orçamento é feito individualmente depois que a especificação de dados é definida.
COMPLIANCE
A liberação de direitos faz parte da qualidade dos dados.
Dados sem direitos claramente definidos não podem ser usados para treinamento. Resolvemos isso por escrito com o local de trabalho antes do início da coleta.
Acordo por escrito com o local
Os direitos de filmagem e de uso dos dados são acordados por escrito com a empresa responsável pelo local antes do início da coleta.
Consentimento do trabalhador
Obtemos o consentimento de cada trabalhador sobre o uso da sua imagem e sobre o escopo de uso dos dados.
Respeito aos segredos comerciais
Gerenciamos o que aparece no enquadramento e podemos aplicar mascaramento às áreas que exigirem.
Armazenamento e escopo definidos em contrato
O armazenamento dos dados, o acesso e qualquer compartilhamento com terceiros são definidos no contrato.
NDA
Podemos assinar um acordo de confidencialidade (NDA) a partir da discussão da especificação.
COMPANY
Empresa
- Nome da empresa
- Chuo-Sogo Inc.
- Fundação
- 29 de janeiro de 2026
- CEO
- Shion Seki
- Diretor
- Toshiyuki Yamamoto (fundador da Chatwork)
- Endereço
- 1-5-18-3 Shinoharakita, Kohoku-ku, Yokohama, Kanagawa 222-0021, Japão
- Área de atuação
- Coleta e fornecimento de dados de treinamento para IA física
FAQ
Perguntas frequentes
Sim — comece com um e-mail pelo botão “Solicitar uma amostra” acima, e organizaremos uma conversa sobre a coleta de amostras. A sequência é: alinhamento da especificação, coleta de amostras, avaliação pela sua equipe e, em seguida, coleta de POC, para que você possa verificar o conteúdo ao longo do processo.
Posição e quantidade de câmeras, resolução, taxa de quadros, a tarefa-alvo, o formato e a granularidade da anotação e o formato de entrega, acordados com base em uma especificação por escrito. Não há problema em nos procurar antes de a especificação estar definida.
Depende do que é coletado, do volume e do modelo de licenciamento (exclusivo ou não exclusivo); por isso, fazemos um orçamento individual depois que a especificação de dados é definida.
Entregamos apenas dados cuja liberação de direitos tenha sido feita por escrito tanto com a empresa responsável pelo local quanto com o trabalhador. O escopo de uso é definido no contrato.
A manufatura é o nosso foco central. Processos de fábrica como dobra, oxicorte, caldeiraria e soldagem, usinagem, pintura industrial e marcenaria estão disponíveis para captura. A construção vem em seguida. Nosso papel é providenciar, em cada projeto, um local de trabalho no Japão que corresponda à especificação, fazer a liberação dos direitos de filmagem e de uso dos dados e gravar. Se o trabalho de que você precisa não estiver listado, diga-nos o que deseja capturar e em quais condições.
Conjuntos de dados públicos como Open X-Embodiment e DROID são coletados, em grande parte, em ambientes de pesquisa, e os mesmos dados estão disponíveis para todas as outras equipes. Nós gravamos em locais de trabalho no Japão onde pessoas estão de fato trabalhando, conforme sua especificação, e anexamos anotação de conhecimento tácito extraída de entrevistas com o trabalhador.
A entrega padrão inclui vídeo e áudio egocêntricos, anotação de conhecimento tácito (intenção e critérios de decisão com marcação de tempo, extraídos de entrevistas com o trabalhador) e metadados. Anotação automática, como estimativa de profundidade ou de pose, não faz parte da entrega padrão — mencione-a na discussão da especificação se precisar.
A configuração das câmeras, a resolução, a taxa de quadros, o método de sincronização e o formato de entrega podem ser especificados pela sua equipe. Também podemos conversar sobre uma coleta adaptada aos equipamentos e formatos indicados pela sua equipe.
CONTACT
Contato
Entre em contato para falar sobre uma especificação de dados, uma coleta de amostras ou qualquer outro assunto que queira discutir. Respondemos em até dois dias úteis.