Ключевые выводы
- Human Archive привлек $8,2 млн от известных инвесторов для создания «умных» шляп, собирающих видеоданные и датчики движений.
- Компания сотрудничает с небольшими сервисными стартапами, предлагая клиентам скидку за согласие на запись, а работникам платит $1 / час.
- Собранные данные (RGB‑D, тактильные датчики, полное захват тела) позволяют ускорить обучение роботов, но вызывают вопросы о конфиденциальности и соблюдении индийского DPDP‑закона.
Онлайн‑рынок доставки еды в Индии вырос в несколько раз, а компании вроде Zomato и Swiggy уже публичные. На фоне этого Human Archive нашёл нишу: собрать реальные видеозаписи работы доставщиков, уборщиков и поваров, чтобы «кормить» искусственный интеллект, который будет управлять будущими роботами.
Почему сейчас появляется спрос на «egocentric» данные?
Робототехнические лаборатории и крупные AI‑компании ищут огромные наборы реальных видеозаписей, где человек выполняет обычные задачи – от мытья посуды до укладки постельного белья. Такие наборы называют egocentric (вид от первого лица). Без них модели «видят» лишь симуляции и не умеют справляться с реальной физикой.
Индия – идеальная площадка. Здесь развиваются сервисы «на дом», а гига‑экономика позволяет нанять тысячу и более работников, готовых надеть камеру. По оценкам, только 11 % всех обслуживаний в стране идут через онлайн‑платформы – значит «неиспользованный» потенциал огромен.
Human Archive решает две задачи одновременно: собирает данные, нужные роботам, и создает дополнительный доход для работников сервисных компаний.
Компания уже разместила более 1 000 шлемов‑камер в разных регионах, а также начала производить специализированные перчатки, костюмы захвата движений и запястные камеры.
Как работает сбор данных: от шляпы до базы
Сотрудник получает шляпу с встроенной камерой, которая записывает цветное изображение (RGB) и глубину (D). Одновременно датчики фиксируют силу, приложенную к объекту (тактильные датчики), а система захвата тела фиксирует позу. Всё синхронизировано в реальном времени.
После окончания визита данные автоматически шифруются и отправляются в облако Human Archive, где они анонимизируются – лица размываются, а личная информация удаляется в соответствии с DPDP‑законом.
Для клиентов приложение предлагает две цены: обычная стоимость услуги или скидка (примерно 15‑20 %) в обмен на согласие на запись. По словам основателей, большинство клиентов выбирает скидку, поскольку запись помогает решить споры о качестве сервиса.
Работникам платят $1 / час за участие. На рынке конкуренты предлагают $2,5‑$4, но Human Archive компенсирует более низкую ставку своей широкой сетью и возможностью быстро начать зарабатывать в любой точке страны.
Крупные игроки отказались – стартап пошёл в ногу с мелкими
Human Archive пытался наладить партнёрство с лидерами домашнего сервиса, такими как Urban Company, Pronto и Snabbit. По инициативе Human Archive эти компании отклонили предложение, назвав его «неэтичным» или «слишком рискованным». Один из сооснователей даже публично раскритиковал их в соцсетях.
Вместо этого стартап нашёл более мелкие компании, готовые протестировать модель. Они предложили клиентам скидку за запись, а в обмен получили токенизированный набор видеоданных, который сразу начали продавать исследовательским лабораториям.
Эта стратегия позволила собрать первые 50 разных устройств и более 7 000 часов видеоматериала уже в первый квартал 2026 года.
Инвестиции и планы роста
Серия A от Wing Venture Capital, NVP Capital, Y Combinator и ангелов из OpenAI, Nvidia, Google и Meta* дала Human Archive $8,2 млн. Инвесторы отметили уникальность синхронизации нескольких датчиков одновременно – чего нет у конкурентов.
Сейчас компания расширяется в Юго‑Восточную Азию и США, где планирует запускать пилоты «чистка / готовка – запись» в крупнейших городах. Параллельно разрабатывается платформа, позволяющая любому желающему участвовать в сборе данных за вознаграждение.
Если компания сможет масштабировать оборудование и удержать высокий уровень качества, её наборы могут стать «золотым ресурсом» для лабораторий, работающих над физическим AI и роботами‑помощниками.
Приватность и регуляторные риски
Запись в доме поднимает вопросы о конфиденциальности. Human Archive утверждает, что их договоры полностью соответствуют индийскому Digital Personal Data Protection (DPDP) Act: пользователь видит политику конфиденциальности, получает согласие и знает, что все лица в кадре размазываются.
Однако Министерство электроники и информационных технологий начало проверку практик сбора данных в стартапах, подобных Human Archive, после того как стали появляться сообщения о «скрытом» видеонаблюдении.
Если регуляторы усилят требования, компании могут столкнуться с необходимостью менять технологию, например, использовать локальное шифрование и более строгий контроль доступа.
Справка
- Human Archive – стартап из Силиконовой долины, основанный четырьмя выпускниками Беркли и Стэнфорда (Самай Мани, Рушил Агарвал, Шлока Пател, Радж Пател). Сфокусирован на сборе egocentric видеоданных с помощью шляп‑камер, датчиков силы и костюмов захвата движений.
- Urban Company – индийская платформа домашнего сервиса, предлагающая услуги по уборке, ремонту и уходу за красотой. Было отказано в партнёрстве с Human Archive из‑за опасений по поводу конфиденциальности.
- Pronto – молодая компания, предоставляющая экспресс‑услуги «на дом». Публично заявила, что не будет сотрудничать с Human Archive, но позже признала, что обсуждала возможность сбора данных.
- Snabbit – сервис, объединяющий фрилансеров для выполнения мелких задач. Вовлекался в переговоры с Human Archive, но проект не был реализован.
- Wing Venture Capital – венчурный фонд, инвестирующий в стартапы AI и робототехники. Один из партнёров, Зак ДеУитт, отметил уникальность синхронного сбора RGB‑D, тактильных и движенческих данных.
Human Archive уже собрал более 50 различных устройств и планирует запустить масштабный набор данных «FullBody‑AI», который может стать стандартом для обучения роботов по всему миру. Если им удастся преодолеть регуляторные преграды, рынок домашних сервисов может получить новый источник дохода, а роботы – более реалистичную «мышечную» память.
