Sureform

ロボットと組み込みAIの空間知能の高度化に向け、高品質なマルチモーダル人間データを収集する専門プラットフォーム

料金は問い合わせWebiOSBeta

概要

Sureformは、ホテル、建設現場、クリーニング店、倉庫などの実際の作業環境において、頭部装着型RGBカメラ、ステレオ深度センサー、触覚（ハプティック）グリッパーを通じて、時間同期されたビデオ・オーディオ・姿勢・深度・触覚データを収集します。収集されたデータは構造化・同期され、即座に学習に使用できる形で提供されます。ロボティクスチームやAI研究者が次世代のワールドモデルおよび組み込みAIシステムをトレーニングするために必要な、高品質なマルチモーダル人間データを供給します。

差別化ポイント

Sureformは、静止画像やテキストにラベル付けするScale AIやLabelboxとは異なり、映像とセンサーデータを組み合わせた「動的マルチモーダルデータ」の収集に特化しています。NVIDIA Isaac Simのような仮想シミュレーションデータと比較して、実際の人間の行動に含まれる不規則性や物理的な細部をそのまま捉え、シミュレーションと現実の隔たり（Sim-to-Real Gap）を縮めることに重点を置いています。ただし、大規模データセットの構築速度という点では、完全自動化された合成データ生成ツールより遅くなる可能性があるという中立的な特性があります。

主な機能

頭部装着型RGBカメラおよびステレオ深度センサーを通じたマルチモーダルデータの同時収集
ビデオ・オーディオ・姿勢・深度・触覚信号の時間同期処理
実際の作業環境（ホテル・建設・物流）に応じたタスク別のデータ収集
構造化・検証済みの学習に即時使用可能（Training-ready）なデータセットの納品
MLフレームワークの連携およびリアルタイムのデータ品質検証

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

人間による実世界での物理的インタラクションを、高精度センサーと映像を同期させて収集するため、AIが単なる視覚情報を超えた「物理的感覚」を学習するうえで非常に有利です。特に次世代AIの中核となるワールドモデルとエンベディッドAIの構築に最適化されたパイプラインを提供しており、収集データの品質が研究および産業現場で求められる高い基準を満たしているという専門家からの肯定的な評価が多くあります。煩雑なハードウェア設定を行わずに高品質なデモンストレーションデータを確保できる点も大きな長所です。

デメリット

実際の人間の労働力とデモンストレーションに基づいてデータを生成するため、合成データ（Synthetic Data）ソリューションと比べて、データ単位当たりの収集コストと所要時間が大幅に高くなる可能性があります。現在はロボティクスおよび自律システムという特定のニッチ市場に注力しているため、汎用的なLLM開発者の用途には適していません。また、導入障壁が高く、関連エコシステムの公開レビューやコミュニティサポートが一般的なSaaSツールと比べて不足しているという制約があります。