30 mln USD na nagrywanie pracy ludzi. Plan Maxinsights
Robot ma nauczyć się sprzątać kuchnię, ale najpierw ktoś musi pokazać, jak wygląda prawdziwa praca w prawdziwej kuchni. Maxinsights ogłosiło 22 października 2026 rundę seed 30 mln USD prowadzoną przez Peak XV. Firma rozwija zbieranie danych z perspektywy człowieka oraz dwa narzędzia: MaxLoop do kontroli materiału i MaxGlove do rejestrowania dotyku oraz siły. To finansowanie infrastruktury danych, nie dowód samodzielności robotów korzystających z nagrań.
Materiał Maxinsights: rejestracja czynności kuchennych z perspektywy człowieka. Nie jest to obraz gotowego robota wykonującego zadanie.
Co firma sprzedaje zespołom robotycznym
Według komunikatu Maxinsights opłaca sieć ponad 5 tys. wykonawców nagrywających codzienne czynności. Firma deklaruje ponad 2 mln godzin zebranego materiału, z czego 1,5 mln ma nadawać się do treningu. Wśród pozostałych inwestorów wymienia Tola Capital, South Park Commons, INCE Capital i Alumni Ventures. Kwota rundy jest kwotą finansowania, nie wyceną spółki ani przychodem.
Warto zachować ostrożność przy szczegółach geograficznych. W jednym miejscu komunikat mówi o wykonawcach w sześciu krajach, a opis firmy wspomina osiem. Nie ujednolicamy tych liczb przez zgadywanie, czy chodzi o różny etap działalności. Najistotniejszy fakt to model zbierania rzeczywistych czynności; zakres operacyjny wymaga doprecyzowania u źródła.
Dlaczego godzina filmu nie jest godziną umiejętności robota
Kamera może pokazać kolejność ruchów człowieka, ale robot ma inną geometrię, chwytak i zakres ruchu. Nagranie musi zostać przełożone na użyteczną reprezentację zadania. Potrzebne są także przykłady porażek i sytuacji granicznych. Duży korpus może zawierać wiele podobnych czynności, a nadal słabo obejmować zdarzenie ważne dla klienta.
To nasz wniosek analityczny: kupujący dane powinien pytać o różnorodność, widoczność kontaktu z przedmiotem, synchronizację i sposób wydzielenia zbioru testowego. Milion kolejnych godzin podobnego ujęcia nie musi poprawić konkretnego chwytu. Najbardziej przydatny test porównuje politykę przed i po dodaniu danych na nowych scenach, a nie na tych samych nagraniach użytych podczas treningu.
MaxLoop i MaxGlove rozwiązują inne problemy
MaxLoop ma oceniać materiał w trakcie zbierania i ograniczać ręczny przegląd. MaxGlove ma dołożyć sygnały kontaktu i siły, których nie odczyta się pewnie z samego obrazu. Firma podaje duże redukcje pracy kontrolnej; nie publikujemy ich jako niezależnie potwierdzonego wyniku. Nie wiadomo z samej zapowiedzi, jaki zysk osiągnie model innego klienta i inny typ robota.
Przykład słoika dobrze pokazuje różnicę. Z filmu można odtworzyć, że jedna dłoń przytrzymuje pojemnik, a druga obraca pokrywkę. Do niezawodnego działania potrzebna jest też kontrola siły i informacja, czy pokrywka rzeczywiście puściła. To nie oznacza, że rękawica sama dostarcza gotową umiejętność. Sygnał pomiarowy i poprawna polityka sterowania pozostają odrębnymi elementami.
Jak sprawdzić wartość danych przed dużym zakupem
Zamów próbkę dla jednego zadania i ustal reguły oceny przed treningiem. Zachowaj oddzielny zbiór testowy, policz poprawnie zakończone czynności oraz czas i interwencje człowieka. Sprawdź również prawa do wykorzystania danych, zakres zgód i sposób ograniczenia zbędnych informacji o osobach lub otoczeniu. Nie trzeba zakładać nieprawidłowości dostawcy, aby wymagać dokumentacji pochodzenia.
Dla rynku robotyki ta runda jest sygnałem, że kapitał trafia również do dostawców materiału treningowego. O wartości produktu zdecyduje poprawa zachowania robota na zadaniu, a nie sam rozmiar archiwum. RoboMorrow opisywało podobne napięcie między skalą danych a pracą sprzętu w materiale o Figure Index i analizie Dyna-2 i zadania pralniczego.
Źródła i metodologia
Redakcja RoboMorrow. Weryfikacja: 26 października 2026. Analiza dokumentacji i materiałów źródłowych; bez fizycznego testu sprzętu. Deklaracje producentów nie są wynikami niezależnego pomiaru.