Лаборатория HUMXN предложила жителям Миннеаполиса, Чикаго и Майами бесплатный ремонт сантехники, электрики и HVAC — если они разрешат записывать работу мастера носимыми камерами и датчиками. Для обучения роботов это куда ценнее очередного массива картинок из интернета: система получает не только результат, но и весь процесс принятия решений в реальном доме.
Программа также покрывает чистку воздуховодов и ковров, сообщает Tom's Hardware. HUMXN субсидирует подходящие заявки, чтобы клиент не платил за услугу, а сервисный специалист всё равно получил вознаграждение. По сути, компания покупает право собрать обучающие данные в жилом помещении — вместе с разнообразием планировок, оборудования, неисправностей и рабочих привычек техников.
Ставка сделана на то, что лабораторные записи плохо передают реальную работу квалифицированного мастера. В тестовом стенде не так часто встречаются тесный доступ к трубам, нестандартно установленный кондиционер, старый электрощит или неисправность, которая меняет характер после первой проверки. В квартире или доме технику приходится осматривать систему, выдвигать гипотезы, выбирать инструмент, измерять параметры, корректировать план и подтверждать, что проблема действительно устранена. Именно такая цепочка действий нужна роботам, если от них ждут не эффектной демонстрации, а полезной работы за пределами лаборатории.
Основатель HUMXN Томас Юнайс считает, что следующему поколению ИИ недостаточно текста, фото и видео из открытого интернета. Миллионы специалистов ежедневно выполняют сложные физические операции, однако их практическое знание редко оказывается в виде, пригодном для машинного обучения. Компания хочет построить инфраструктуру, в которой владельцы домов и сервисные компании получают деньги или услугу, а разработчики интеллектуальных машин — легально собранные данные о реальных действиях людей.
Выбор трёх городов тоже выглядит прагматично. Миннеаполис, Чикаго и Майами заметно различаются климатом, а значит, отличаются нагрузки на отопление, вентиляцию и кондиционирование, типичные проблемы и используемое оборудование. Для моделей, которые должны работать в физическом мире, это важнее красивой статистики на одном наборе данных: робот, обученный только на однотипных домах и новых системах, быстро упрётся в реальность старого жилфонда.
В индустрии ИИ уже назрел дефицит качественных данных для задач, связанных с действиями в трёхмерном пространстве. Текстовые модели можно масштабировать на публичных корпусах, изображения — на больших медиатеках, но навыки сантехника или электрика нельзя надёжно восстановить по ролику «как починить кран». Нужны ракурсы от первого лица, последовательность движений, работа с инструментом, контекст ошибки и понимание того, когда действие надо остановить. Обучение роботов на таких записях потенциально позволит моделям связывать зрение, моторику и рассуждение, а не просто распознавать на кадре разводной ключ.
Для разработчиков робототехники это ещё и более прозрачная альтернатива привычной гонке за данными. Крупные ИИ-компании, включая Meta, Nvidia и OpenAI, не раз сталкивались с претензиями к происхождению материалов для обучения. Подход HUMXN не отменяет сложных вопросов о приватности: в записи дома могут попасть лица жильцов, документы, личные вещи и детали планировки. Но сама модель обмена понятна: участники заранее соглашаются на съёмку, мастер получает оплату, хозяин — ремонт, а компания — данные с известным происхождением. Дальше всё упрётся в качество согласий, защиту записей и в то, насколько ясно пользователям объяснят, что именно будет сохранено и как использовано.
Для сервисного бизнеса проект выглядит одновременно как источник заказов и как ранний сигнал о будущем рынка труда. Роботы пока не едут самостоятельно чинить бойлеры по вызову, зато компании уже начинают собирать цифровой слой вокруг ручного труда. На первом этапе такие данные скорее помогут создавать ассистентов для диагностики, обучения новых сотрудников и контроля качества, чем полностью заменят мастеров. Но если физические модели научатся уверенно действовать в непредсказуемой среде, ремесленные профессии перестанут быть «последней безопасной гаванью» от автоматизации. Главный вопрос — смогут ли специалисты, чьи действия превращаются в датасет, участвовать в долгосрочной стоимости этого обучения роботов, а не получить лишь оплату за один выезд. Подробнее о программе и позиции основателя HUMXN можно прочитать в материале .