机器人训练数据公司 Maxinsights 完成 3,000 万美元种子轮融资，Peak XV 领投

美东时间 10 月 22 日，总部位于美国加州圣克拉拉的机器人训练数据公司 Maxinsights 宣布完成 3,000 万美元种子轮融资，由 Peak XV 领投，Tola Capital、South Park Commons、渶策资本和 Alumni Ventures 参投。它瞄准的，正是机器人训练中最稀缺的资源：海量真实的人类示范数据。

Maxinsights 做的事情可以用一句话概括：付钱请普通人戴上相机，记录自己做饭、打扫和上班的过程，再把这些第一视角（egocentric）视频加工成机器人能学的训练数据。公司把自己定位为「物理 AI 的数据层」，从采集、质检、标注到交付都在内部完成。同一天，公司还发布了两款自研产品：给采集视频做质检的 MaxLoop，以及记录手部力觉的传感手套 MaxGlove。

这家公司的立足点，在于机器人的动作学习逻辑。据 Maxinsights 介绍，机器人要学会叠衬衫、装洗碗机，得先看人把同一件事做上成千上万遍，而眼下还没有人把这类日常劳动记录到模型所需的规模。

创始人兼 CEO Yuguang Yuan 表示：「机器人要进的是真实的厨房，那里每隔几分钟就会发生意外。想拿到这些边缘情况，唯一的办法就是在真实的家里记录真实的劳动。」

图丨采集者拍下的第一视角视频片段（来源：Maxinsights 领英）

为了拿到这样的素材，Maxinsights 搭了一张自己的采集网络。据公司介绍，目前有超过 5,000 名合同工分布在 6 个国家，戴着 Maxinsights 自研的相机硬件装洗碗机、做奶昔、洗车。据福布斯报道，这套硬件包括头戴、腕戴和胸前三种相机。公司通过各地的人力公司招募这些采集者，但由自己直接管理，不把采集环节转包给供应商。

数据采集全部落地于真实场景。据 Maxinsights 介绍，同行常在模拟环境里布置任务，还会要求操作员放慢手上动作，方便后期处理；Maxinsights 则在真实的家庭、餐厅和酒店里，按正常速度记录真实工作，让模型不断见到新的环境和计划外的状况。采集者拍摄的本就是自己日常要做的事，只是额外佩戴相机记录，并以此获得酬劳。

图丨采集者在厨房备餐时的第一视角画面（来源：Maxinsights 官网）

素材入库后，要经过五道工序。

第一步是采集；

第二步是检查，对每段视频做自动和人工审核，看拍摄质量、任务是否完成、手部是否可见、各路信号是否同步、元数据是否齐全；

第三步是标注，自研模型按环境、任务、子任务、指令四层给每段视频打标签，同时标出手部姿态、身体动作和物体交互；

第四步是整理，按任务、场景、地域、行为、复杂度或客户的具体要求检索语料、调整配比；

最后一步是交付原始或加工后的数据集，客户和模型的反馈再进入下一轮采集。

据 Maxinsights 披露，这条流水线当前已累计采集超 200 万小时视频，其中 150 万小时经过处理，可直接投入模型训练、随时交付。公司现有合作客户超过 30 家，覆盖前沿 AI 实验室与基础模型企业，其中 8 家签订长期持续合作协议。

客户里点了名的有两家。据 Maxinsights 介绍，Genesis AI 今年 5 月 6 日发布的机器人基础模型 GENE-26.5，训练用的 20 万小时第一视角数据全部由它独家提供；Dyna Robotics 的世界-动作模型 Dyna-2 背后，它是最大的数据提供方。

Genesis AI 联合创始人王尊玄（Johnson Wang）表示：「在 Genesis 26.5 上，我们重点使用了人们自然完成日常任务的视频，其中很大一部分由 Maxinsights 提供，帮助模型从更广泛的真实场景中学习。」

数据体量持续扩大后，质检环节的压力随之凸显，这也是 MaxLoop 要解决的问题。

据 Maxinsights 介绍，真实场景的视频会让大多数标注工具失灵：手会被物体挡住，几个人的手同时出现在画面里，操作员戴着手套和戒指，动作还会拖出残影。为此，公司用自己采集的视频训练了手部追踪模型，再在此基础上搭出 MaxLoop。它是一套「智能体在环」系统，视频一到就给每段打分，在采集进行的同时纠正问题。

图丨多路相机画面与三维轨迹的可视化界面（来源：Maxinsights 官网）

MaxLoop 上线有何变化，Maxinsights 给出了几组数字。操作员拿到质量反馈的时间，从原来的一到两周缩短到当天；在人力上，负责人工复核的团队规模缩减了 90%；在花费上，复核成本下降了约 80%。公司现在每月能处理 45 万小时视频。同一套模型还能从每段视频里提取姿态、物体状态、接触和力等信息，按公司的说法，过去一小时视频只能教会模型一件事，现在可以教好几件。

MaxLoop 负责软件层面的质检与解析，MaxGlove 则补足相机无法捕捉的信息维度。这只传感手套由 Maxinsights 与 Genesis AI 共同开发，记录手握得有多紧、物体有多重，以及整个任务过程中接触状态怎么变化。据 Maxinsights 介绍，光靠视觉没法让机器人知道一次交互的手感，力和力矩信号能反映接触、压力、阻力和打滑，帮机器人判断东西是否抓稳、该用多大的力、什么时候需要调整。

Maxinsights 选择自己造手套，是因为市面上的手套标定周期长，每天只能采到 10 到 20 分钟可用数据。据公司介绍，MaxGlove 能接入现有的第一视角采集系统，在各类环境里稳定部署，会铺到整张采集网络上，目标是在 2027 年采集 100 万小时力觉数据。

支撑整套软硬件体系的，是一支工程底色浓厚的团队。创始人 Yuguang Yuan 曾联合创立工业机器人企业 Mega Gear Robotics，该公司后续完成收购；更早之前，他是伊顿最年轻的高管负责人，掌管业务规模约 1.5 亿美元、员工超 1,500 人的产品部门。联合创始人兼 CTO 汪堃（Kun Wang）2014 年加入谷歌，是谷歌自动驾驶项目（后续拆分出 Waymo）仿真团队早期成员，2019 年和多名 Waymo 同事共同创立轻舟智航并担任 COO。轻舟智航现已发展为员工规模超 1,000 人的独角兽企业，自动驾驶技术落地搭载于超 100 万辆车辆。团队其余成员来自谷歌、微软、Meta、Waymo、Hulu。

这也是领投方看好它的核心原因。Peak XV 董事总经理 Rohit Agarwal 评价：「这个赛道里几乎所有公司都在售卖数据时长，Maxinsights 是少数把质量控制当成工程问题，而非单纯人力问题解决的团队，这支撑起他们在真实环境规模化采集的能力。」他提到，这条路线具备较高的后发壁垒，这也是不少试过其他供应商的实验室，最后持续和 Maxinsights 合作的原因。

目前，Maxinsights 总部设在圣克拉拉，在中国和印度尼西亚设有办公室，土耳其和墨西哥的办公室即将开设。