Definieren, was das Modell lernen soll.
Zielaufgaben, Umgebungen, Erfassungsmodalitäten, Einschlussregeln, Annotationsbedarf, Abnahmekriterien und Format werden vorab dokumentiert.
Datenoperationen aus der realen Welt in Kenia
EgoHub AI entwickelt betreute Pipelines für Datenerfassung, Annotation, Qualitätssicherung und Übergabe für Robotik, World Models und Physical AI.
Getränke sortieren und anordnen
Preisschild wechseln und verstauen
Blumen arrangieren
Tischtennisnetz installieren
Knoblauch schälen und vorbereiten
Fernbedienungsbatterie wechseln
Saubere Tassen sortieren und verstauen
Besteck in eine Box sortieren
Handcremedeckel festdrehen
Ladegerät ausstecken
Tischtennistisch abwischen
Werkbank abwischen
Embodied-AI-Datenoperationen
Operative Datenpipelines für Physical-AI-Teams.
EgoHub AI verbindet betreute Feldeinsätze mit einem Plattform-Workflow für Erfassung, Annotation, QA und Datenübergabe.
Datenspezifikation
Prüfbare Datenpakete für Robotikteams.
Jede Übergabe kann als prüfbarer Datenbrief organisiert werden: Aufgabenbereich, Erfassungsprotokoll, Assets, Metadaten, Annotationsschema, QA-Nachweise und ein Übergabe-Manifest.
MP4-ClipsJSON-MetadatenAnnotationsschemaQA-NotizenÜbergabe-Manifest
staplerleft hand00:10.8 / refill phase
delivery.jsonready
task_labelrefill_staples
camera_viewhead_left / undistorted
qa_statusview verified
handoffclips + metadata
Übergabe und QA
Ein dokumentierter Weg von der Felderfassung zu trainingsfähigen Daten.
Vor Projektbeginn stimmen wir Datenbrief, Annotationsschema, Review-Punkte und Übergabeformat ab, damit Forschungs- und Entwicklungsteams den Datensatz prüfen können.
Assets und Labels verbunden halten.
Clips können mit Feldern für Aufgabe, Szene, Objekt, Aktion, Blickwinkel, Sprache und Annotationsversion verbunden werden.
Review-Nachweise nachvollziehbar machen.
Erfassungsintegrität, Protokolltreue, Label-Konsistenz und Vollständigkeit der Lieferung werden mit Issue-Tracking und QA-Notizen geprüft.
Ein Paket liefern, das Teams navigieren können.
Assets, Metadaten, Annotationsdateien, QA-Status, bekannte Probleme und Datensatzversionen können über ein klares Manifest bereitgestellt werden.
Leistungen
Von komplexer Feldrealität zu trainingsfähigen Datensätzen.
Erfassung realer Daten
Betreute Feldteams erfassen Physical-AI-Daten in urbanen, Innenraum-, Mobilitäts-, Einzelhandels- und menschlichen Aufgabenwelten in Kenia.
Annotation für Embodied Systems
Aufgabenlabels, Szenenkontext, Objektzustände, Aktionsspuren und Qualitätsnotizen für Robotik, World Models und multimodale KI.
Qualitätssicherungsoperationen
Mehrstufige Reviews, Stichproben, Issue-Tracking und Übergabechecks halten Datensätze nutzbar, bevor sie Modellteams erreichen.
Strukturierte Übergabe
Die EgoHub Data Platform organisiert Datenbriefe, Annotationsworkflows, QA-Nachweise und exportfertige Datenpakete.
Datenkategorien
Für Robotik, Agenten und World Models entwickelt.
Robotische AufgabendemonstrationenMenschliche Aktivitäts- und InstruktionsdatenInnen- und AußenraumerfassungWorkflows in Handel, Logistik und EinrichtungenMehrsprachige Sprache und FeldnotizenReview von Bild-, Video-, Sensor- und Metadaten
Reale Aufgabendaten
Getränke sortieren und anordnen
Reale Aufgabendaten
Tischtennisnetz installieren
Reale Aufgabendaten
Knoblauch schälen und vorbereiten
Reale Aufgabendaten
Fernbedienungsbatterie wechseln
Reale Aufgabendaten
Saubere Tassen sortieren und verstauen
Reale Aufgabendaten
Werkbank abwischen
Videofälle
30 First-Person-Aufgaben in Bewegung erfasst.
Reale Aufgabendaten
Getränke sortieren und anordnen
First-Person-Aufgabendaten zu Getränke sortieren und anordnen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Kaugummi an der Kasse auffüllen
First-Person-Aufgabendaten zu Kaugummi an der Kasse auffüllen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Preisschild wechseln und verstauen
First-Person-Aufgabendaten zu Preisschild wechseln und verstauen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Duschgel-Flaschen ausrichten
First-Person-Aufgabendaten zu Duschgel-Flaschen ausrichten mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Kleiderbügel ausrichten
First-Person-Aufgabendaten zu Kleiderbügel ausrichten mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Obst anordnen
First-Person-Aufgabendaten zu Obst anordnen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Schreibtischmüll beseitigen
First-Person-Aufgabendaten zu Schreibtischmüll beseitigen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Ladekabel aufwickeln
First-Person-Aufgabendaten zu Ladekabel aufwickeln mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Whiteboard löschen
First-Person-Aufgabendaten zu Whiteboard löschen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Blumen arrangieren
First-Person-Aufgabendaten zu Blumen arrangieren mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Tischtennisnetz installieren
First-Person-Aufgabendaten zu Tischtennisnetz installieren mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Brillenetui öffnen
First-Person-Aufgabendaten zu Brillenetui öffnen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Kopfhörerkabel ordnen
First-Person-Aufgabendaten zu Kopfhörerkabel ordnen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Knoblauch schälen und vorbereiten
First-Person-Aufgabendaten zu Knoblauch schälen und vorbereiten mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Badezimmerhocker zurückstellen
First-Person-Aufgabendaten zu Badezimmerhocker zurückstellen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Medikamentenschachtel verstauen
First-Person-Aufgabendaten zu Medikamentenschachtel verstauen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Heftklammern nachfüllen
First-Person-Aufgabendaten zu Heftklammern nachfüllen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Fernbedienungsbatterie wechseln
First-Person-Aufgabendaten zu Fernbedienungsbatterie wechseln mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Filzblatt aufrollen
First-Person-Aufgabendaten zu Filzblatt aufrollen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Saubere Tassen sortieren und verstauen
First-Person-Aufgabendaten zu Saubere Tassen sortieren und verstauen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Besteck in eine Box sortieren
First-Person-Aufgabendaten zu Besteck in eine Box sortieren mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Salz streuen
First-Person-Aufgabendaten zu Salz streuen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Tassen im Schrank verstauen
First-Person-Aufgabendaten zu Tassen im Schrank verstauen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Milch aus dem Lager nehmen
First-Person-Aufgabendaten zu Milch aus dem Lager nehmen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Handcremedeckel festdrehen
First-Person-Aufgabendaten zu Handcremedeckel festdrehen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Heftklammern nachfüllen
First-Person-Aufgabendaten zu Heftklammern nachfüllen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Ladegerät ausstecken
First-Person-Aufgabendaten zu Ladegerät ausstecken mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Obstteller waschen
First-Person-Aufgabendaten zu Obstteller waschen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Tischtennistisch abwischen
First-Person-Aufgabendaten zu Tischtennistisch abwischen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
Reale Aufgabendaten
Werkbank abwischen
First-Person-Aufgabendaten zu Werkbank abwischen mit Objektmanipulation, räumlicher Einschätzung und Aktionsabläufen.
EgoHub Data Platform
Ein einfaches Betriebssystem für die Datenübergabe.
EGOHUB DATA PLATFORMBatch annotation console
operatortooltarget area
action: pickobject: cupstate: aligned
ErfassenAnnotierenQAÜbergeben
Erfassen
Den Brief in Feldaufgaben, Erfassungsprotokolle, Einwilligungsprozesse und operative Checks übersetzen.
Annotieren
Szenen, Aktionen, Objekte, Instruktionen und Review-Notizen in modellnutzbare Formate strukturieren.
QA
Stichproben prüfen, Unklarheiten markieren, Vollständigkeit verifizieren und Lieferkonfidenz dokumentieren.
Übergeben
Datensätze, Metadaten, Qualitätsnachweise und Übergabenotizen für nachgelagerte KI-Teams paketieren.
Über uns
Dateninfrastruktur für Physical AI.
Globales ErfassungsnetzwerkKI-gestützte VorannotationMenschliche Qualitätssicherung
Egohub ist ein Dateninfrastrukturunternehmen für Physical AI und liefert hochwertige, skalierbare Daten aus der realen Welt für Embodied AI, World Models sowie Robotikforschung und -entwicklung.
Mit einem global verteilten Netzwerk für Datenerfassung, einer KI-gestützten Plattform zur Vorannotation und strenger menschlicher Qualitätssicherung bietet Egohub End-to-End-Services von der Anforderungsanalyse bis zur Übergabe.
Egohub ist in mehr als zehn Ländern in Asien, Afrika und weiteren Regionen tätig und deckt Dutzende realer Umgebungen ab, darunter Haushalte, Büros, Handel, Fertigung und Landwirtschaft.
HaushalteBürosHandelFertigungLandwirtschaft
Kenia Hub
Nairobi bietet Embodied-AI-Teams eine operative Basis in der realen Welt.
EgoHub AI ist in Kenia positioniert, um vielfältige Feldumgebungen, mehrsprachige Operationen und betreute Teams zu unterstützen, die reale Aufgaben in zuverlässige Datenworkflows übersetzen.
So entsteht eine praktische Brücke zwischen KI-Infrastruktur und der schwer zu erfassenden Realität, aus der Robotiksysteme lernen müssen.
Arbeiten mit EgoHub AI
Klare Eingaben. Prüfbare Ergebnisse.
Was sind Embodied-AI-Daten?
Embodied-AI-Daten erfassen, wie Menschen, Objekte, Räume und Aufgaben in der physischen Welt interagieren. Sie können Robotik-, World-Model-, multimodale und Evaluierungsworkflows unterstützen.
Was kann ein EgoHub-Datenpaket enthalten?
Je nach Brief kann ein Paket Video-Assets, Erfassungsspezifikationen, Metadaten, Annotationsdateien, QA-Notizen, bekannte Issues und ein Übergabe-Manifest enthalten.
Wie wird die Qualität eines Datensatzes geprüft?
QA kann Erfassungsintegrität, Protokolltreue, Abdeckung und Konsistenz der Annotation, Issue-Tracking sowie die finale Validierung gegen den vereinbarten Brief abdecken.
Was gehört in einen Robotik-Datenbrief?
Beginnen Sie mit Zielaufgabe, Einsatzumgebung, benötigten Modalitäten und Blickwinkeln, Annotationsschema, Abnahmekriterien und dem von Ihrer Pipeline erwarteten Format.
Datenpipeline starten