Human Archive

ヒューマノイドロボットの知能実現に向けて、物理世界のマルチモーダルデータを収集・加工するデータエンジン

有料Webマルチモーダル

概要

Human Archiveは、身体性知能（Embodied Intelligence）のために実際の物理世界のデータを収集し、精巧に加工するデータインフラソリューションです。スタンフォード大学とカリフォルニア大学バークレー校出身の研究チームがアジア現地で独自設計したハードウェアを通じて、住宅および製造環境の膨大なマルチモーダルデータを収集し、これを匿名化およびアノテーションパイプラインを経てロボットのファンデーションモデル開発企業に提供します。

差別化ポイント

Human ArchiveはScale AIの「Physical AI」部門と競合しており、独自設計の専用ハードウェアによって、データ収集コストを従来方式の1/10に抑え、速度を2倍に高めている点が特徴です。シミュレーションデータ（NVIDIA Isaac Simなど）では現実世界の不確実性をすべて捉えきれないという限界を補うため、世界各地の5,000人以上の実在するコントリビューターネットワークを活用し、「本物の現実世界」のマルチモーダルデータを収集している点で差別化されています。ただし、大規模な資本を持つ競合他社と比べ、ハードウェアの配布および管理インフラの拡張性については、まだ実証すべき課題が残っています。

主な機能

独自設計のハードウェアに基づき、1日最大8,000時間のデータを収集
マルチモーダル（視覚・触覚・動作）データの整合性最適化
大規模データの匿名化およびHITLアノテーションパイプライン
125カ国以上のパートナーシップに基づく50,000人以上のグローバルコントリビューターネットワーク
ロボットファンデーションモデル専用データセットの提供

メリット・デメリット

ウェブ検索で収集したユーザーの声をまとめたものです

メリット

スタンフォード大学とカリフォルニア大学バークレー校出身の創業チームが、現場重視の実行力を基盤に、「エージェンティックAI（Embodied AI）」の核心である物理データのボトルネックに正面から取り組んでいます。特に、視覚、触覚、音声を一つに統合した整合済み（Aligned）データは、次世代ヒューマノイドロボットの学習に不可欠な高付加価値資産と評価されています。Y Combinator（W26）バッチを通じて技術力が認められており、低コストのハードウェアを活用してデータ収集の経済性を確保することで、高品質なデータセットの普及をけん引する大きな可能性があります。

デメリット

2026年に設立されたごく初期段階のスタートアップであるため、データの長期的な精度と信頼性について、業界によるさらなる検証期間が必要です。世界各地に配布されたハードウェア機器の保守と、データ品質の一貫性を維持する運用上の難度は非常に高いと予想され、コスト増加の要因となる可能性があります。また、ロボットメーカーと研究所向けのB2Bサービスとして徹底的に設計されているため、一般の開発者が個別に利用したり、少量のデータのみを購入したりするには参入障壁が高いという制約があります。