顧客の概要 顧客は、低侵襲手術向けのコンピュータビジョンシステムを開発している、欧州の大学・アカデミックAI研究グループ。開発モデルは、腹腔鏡手術の動画を分析して、手術操作や手術器具と解剖学的構造（臓器・組織）との相互作用を理解する。内視鏡手術中に、手術器具の検出、解剖学的構造の識別、および一連の手術操作の解釈を行うモデルを学習させるため、高品質にアノテーションされた手術データが求められている ビジネス課題 ・ 正確なラベリングに必要な外科的専門知識： 腹腔鏡の視野には複雑な手術器具や解剖学的構造が含まれており、医療の専門知識を持たないアノテーターがそれらを判読することは困難であること。 ・ 多層的なアノテーションワークフロー： データセットには、インスタンスセグメンテーションに加え、手術器具・アクション・解剖学的構造を紐付ける「トリプレットベース」の相互作用アノテーションの双方が求められたこと。 ・ スケーラビリティの制約： 高度な専門知識と一貫した品質の双方が求められるため、規模の拡大が困難であること。大規模アノテーション作業のために、常勤の放射線科医や医師を確保することは非常に困難。 プロジェクト詳細 手術器具、解剖学的構造、および一連の手術操作を理解するAIモデルを支援するため、腹腔鏡手術動画におけるインスタンスセグメンテーションおよび相互作用アノテーションを実施した。 ・ データタイプ： 腹腔鏡手術の動画フレーム ・...

顧客の概要 顧客は、イスラエル拠点のテクノロジー企業であり、ハンズフリー操作システムの開発に注力している。同社の目標は、手動操作を必要とせず、視線のみでデジタルデバイスとコミュニケーションできる体験を向上させること。このビジョンを実現するために、正確な視線検出を行うAIモデルを構築しており、これには人間の参加者から収集した大規模で構造化されたリアルワールド視線データが必要。 ビジネス課題 構造化された視線データ収集: 参加者は画面上に表示される特定のターゲットを注視する必要があった。各セッションは、監督者から指示された厳格なポジショニング手順に従い、一貫したデータ取得条件を確保した。 大規模データ: データセットの要件は非常に大きく、短期間で100名以上の参加者をトレーニングし、チームを迅速に拡張する必要があった。 迅速な展開: スケジュールは厳しく、数週間以内にデータ収集を開始し、規模を拡大する必要があった。 コスト効率: 大規模プロジェクトでありながら、予算内での実施が求められた。 厳格なQAとセキュリティ: すべてのデータ収集活動は厳格な品質管理が必要で、参加者のプライバシーとデータの機密性が必須条件。 プロジェクト詳細 ドメイン： 人工知能（AI） ソリューション 1....

顧客の概要 顧客は、様々な分野向けにデジタルツインとLiDARソリューションを専門とする韓国の企業。農業環境から収集された生の画像データはすでに保有していたが、厳しい納期内に高品質なセグメンテーションアノテーションを提供できる、信頼性の高いパートナーを必要としていた。 ビジネス課題 農業環境から収集された生の画像データはすでに保有していたが、厳しい納期内に高品質なセグメンテーションアノテーションを提供できる、信頼性の高いパートナーを必要としていた。 ・ 高品質な2Dセグメンテーションアノテーション：複数のオブジェクトクラスにわたり、各画像にピクセルレベルでの精度が求められた。セグメンテーションのエラーはデジタルツインの出力品質に直結するため、精密さが極めて重要であった。 ・ 1ヶ月以内の迅速な納期対応：すべてのアノテーション作業をこの期間内に完了させ、検証まで実行する必要があった。 ・ 合理的なコスト：コストを膨らませることなく、品質とスピードのバランスが取れたソリューションを求めていた。 ・ 厳格な品質保証（QA）と万全なデータセキュリティ：明確に定義された品質保証プロセスと、クライアントのセキュリティ基準への完全な準拠が求められた。 プロジェクト詳細 アノテーション対象のクラス：19クラス（ガラス、木、低木、車両など） アノテーション種類：2Dセグメンテーション ソリューション • チームの立ち上げ：経験豊富な20名のアノテーターからなるチームを編成した。セグメンテーションの対象クラス、ラベリングルール、出力フォーマット、レビュー基準、および使用ツールについて顧客と合意を形成した。...

顧客の概要 顧客は、シンガポールを拠点とし、高度なAIモデル向けのデータソリューションを提供する企業である。同社の事業は、リテールアナリティクスや商品認識など、コンピュータビジョンの幅広いアプリケーションを支えている。 ビジネス課題 納期がわずか1ヶ月という極めて緊急性の高いプロジェクト。顧客は、以下3つの明確な要求要件を掲げて当社にアプローチした： ・ 高品質な2Dバウンディングボックスアノテーショングローサリーアイテムを正確にラベリングし、物体検出モデルを適切にサポートできる学習データを確保すること。 ・ 1ヶ月以内の迅速な納品 極めてタイトなスケジュール。後続のモデル学習スケジュールに間に合わせるため、すべてのアノテーションをわずか1ヶ月以内に完了する必要があった。 ・ 厳格な品質保証（QA）と絶対的なデータセキュリティ統制された品質保証プロセスと、顧客のデータセキュリティ基準への完全な準拠が求められた プロジェクト詳細 アノテーション対象クラス： グローサリー アノテーション種類： 2Dバウンディングボックス ソリューション •...

顧客の概要 顧客は、昆虫、幼虫、および感染症の媒介に焦点を当てた政府出資の研究プロジェクトを遂行している、イタリアの大学である。この研究は、感染症の拡大を招くおそれのある昆虫の個体群の早期発見と分析の改善を目指している ビジネス課題 ・ 本プロジェクトは視覚的データに大きく依存していた。大量の生物画像が収集されていたものの、分析やモデル学習に使用する前に、データを正確にアノテーションする必要があった。 ・ 対象となるテーマが生物学と医学研究に関わるものであるため、顧客は、高度なアノテーションの技術的スキルと、専門領域特有門領域特有の機微やデータ取り扱いに対する深い理解を兼ね備えたベンダーを求めていた。 プロジェクト詳細 ・ アノテーション対象：4種類の幼虫 ・ アノテーション種類： 2Dバウンディングボックス ソリューション 1. チーム編成：生物画像の処理経験を持つ10名のアノテーターからなるチームを編成。幼虫の定義、バウンディングボックスのルール、およびレビュー基準について顧客と合意させた。 2. ドメイン知識のトレーニング：幼虫とゴミやノイズ（破片・アーティファクト）を識別し、非常に小さい、または一部のみが見えている対象物に対して精密なバウンディングボックスを描くためのトレーニングを実施。...

顧客の概要 顧客はこの分野のリーディングカンパニーであり、現実世界のデータキャプチャや設計統合から、コラボレーション、レポーティング、プロジェクト保管に至るまで、全体のワークフローを効率化するためのソリューションを開発している。 ビジネス課題 自社プラットフォームの価値を最大化するため、顧客は、ラベル付けされた建築図面と360度現地動画用の建設画像を処理・検証できるパートナーを必要としていた。具体的な要求要件は以下の通り： ・ 設計図面と照らし合わせて建設工事を検証し、設備などの設置が計画とスケジュール通りに進んでいるかを確認すること。 ・ 異なる作業区域、工種、およびBIM（ビルディングインフォメーションモデリング）カテゴリ全体にわたる進捗率の分析。 ・ 360度現地動画を進捗報告書に変換し、現場チームへの指示出し、遅延の削減、コラボレーションの向上に役立てること。 ・ 建築要素を一貫して以下の3つのクラスに分類すること： ° 未検出： 不足、または未設置 ° 未完了： 部分的に設置済み...

顧客の概要 顧客は、中国に本社を置く世界有数の多国籍テック企業であり、複数のプログラミング言語と複雑なコードベースにわたる長期的なソフトウェアエンジニアリングタスクを解決するために設計された、AIコーディングエージェントを開発している。 ビジネス課題 軌跡データの必要性： 安定した学習と強力な汎用性を確保するための、大規模かつ高品質な軌跡データが必要。 • 難易度の向上： モデルのロードマップに沿って、タスクを多様化させ、段階的に難易度を上げていく。 • ステップ精度の担保： ほぼ完璧なステップ精度と厳格な品質管理の義務付け（1つのステップの誤りが、軌跡全体を無効化するため）。 • 広範なカバー率： 様々なプログラミング言語や、多様な要求種類（バグ修正、環境の問題、機能開発など）を広範囲にカバーする。 • スケーリングの要件： 規模の拡大には、長年の実践的な開発およびプロジェクト保守の経験を持つ熟練した開発者が必要。 •...

顧客の概要 米国拠点のリサーチラボであり、ヒューマンAIインタラクション領域の研究開発を行っている。人間の行動に近い形でデジタルプラットフォームを操作可能なAIシステムの構築を目指している。その実現に向けて、リアルなユーザーインタラクションデータを大量に必要としている   ビジネス課題 ・ お客様は、複数のアプリ上で人間の操作をシミュレーションし、そのインタラクションをLLM開発向けのトレーニングデータとして収集することを要件としている。 ・ 弊社は、フレームワークおよび各種スクリプトを構築する必要がある。その上で、当該スクリプトに基づき、可能な限り多様なタスクを生成する必要がある。 ・ アノテーターは、1日6～8時間にわたり画面録画を行い、アプリの自然な利用をシミュレーションする。 ・ 各操作は約2～3秒間隔のリズムで実施し、人間のアプリ利用を模倣しつつ、自然なインタラクション速度を再現する。 ・ アノテーターは、AIモデルとの対話を想定し、プロジェクトマネージャーと1対1形式で直接コミュニケーションを行う。 ・ 厳格なQAルーブリック（正確性、完全性、効率性、品質、設定、キーボード／マウス操作）を遵守する必要がある。 ・ 本プロジェクトはスクリプトおよび行動の多様性を重視しており、許容されるエラー率は最大10％。...

顧客の概要 顧客はオランダに本社を置く信頼性の高いデータソリューションパートナーである。 データアノテーション、データ生成、データ収集などのサービスを通じて高品質なデータを提供し、トレーニングから評価に至るAI開発のすべてのステージをサポートすることに特化している。 ビジネス課題 顧客は、以下の要件を満たすパートナーの選定において課題に直面していた： ・ 多数のドメインエキスパートの提供。 ・ 短期間での大量のタスクの処理。 ・ コードの自然さに対する要求要件の充足。 高品質な教師ありファインチューニング（SFT）データセットを提供することで企業のビジネスを強化し、安全で責任ある、信頼できるAI製品の開発を可能にする、LLM向けデータラベリングベンダーを求めていた ソリューション プロジェクトの開始にあたり、以下の手順を実行した。 • 顧客の課題を分析し、要求要件を明確化。 • モデルへの入力が自然なものとなるよう、既存の応答データ（質問および回答を含む）を精緻化。...

顧客の概要 リアルなウェブブラウジングのインタラクションデータを収集し、AIエージェントの性能を評価する米国拠点のAI企業。 本プロジェクトは、実際のウェブサイト操作中におけるステップごとの推論、行動ロジック、スクリーンショットの忠実性、最終回答の品質の検証に重点を置いている。 ビジネス課題 QAフィードバックの遅延：QAレビューが制作後3週間で開始され、大規模な遡及修正と迅速なデータ調整が必要だった。 頻繁なガイドライン更新：ポップアップ対応、バックスペースの使用、コピー＆ペースト制限など、複雑な操作ルールのリアルタイム更新が頻繁に発生した。 高精度な技術的制約：WebOlmo固有の実行手順に厳密に従い、文字単位のタイピングやスクリーンショットの忠実性を、厳しい納期内で維持する必要があった プロジェクト詳細 期待される成果物： WebナビゲーションAI ソリューション 1. ガイドライン変更の効果的管理 • ゴールデンガイドの更新をリアルタイムで追跡・適用 • 更新ごとに迅速な再トレーニングを実施 •...

顧客概要 顧客は、機械学習およびAIシステムの開発を⽀援するため、倫理的な⼿法で収集‧調達されたデータセットおよびデータサービスを提供する⽶国のAIデータ企業である。⾳声、テキスト、画像、動画といった複数モダリティにわたるデータ収集、アノテーション、および評価サービスを提供している。⾳声認識、⾃然⾔語処理（NLP）、ロボティクス、およびエンボディドAIなどの分野におけるAIモデルの学習と改善を⽀援している。 課題 エンボディドAIの学習に必要となる、⼀⼈称視点での操作データセットの不⾜。 実⽣活環境における⼈間と物体の⾃然なインタラクションをキャプチャすることの困難さ。 顔の映り込みなし、個⼈を特定できる情報（PII）など、厳格なプライバシー保護を維持しつつ、データの多様性を確保すること。 当社の強み 動画データ収集およびセマンティック‧アノテーションにおける豊富な経験と実績。 実⽣活環境においてデータ収集のセットアップを構築‧展開する能⼒。 厳格な品質管理体制を維持したまま、データ収集を規模拡⼤できる能⼒。 ソリューション ヘッドマウントカメラと⼿⾸装着型カメラを使⽤して、⼀⼈称視点のインタラクションデータを収集。 把持、道具の使⽤、マルチステップのタスクなど、多様なマニピュレーション動作をキャプチャ。 データセットの堅牢性を向上させるため、複数のテイクおよび多様な物体のシナリオを記録。 使⽤技術 主な結果

顧客概要 顧客は、フィジカルAIとロボティクス向けの⾼精度データセットに特化したAIデータソリューションプロバイダー。未加⼯の⼈間動作データと⾃律型マシンによる実⾏の間のギャップを埋めることで、グローバルのTier 1サプライヤーやロボティクスOEMを⽀援している。 課題 従来のロボットの学習は遠隔操作やシミュレーションに依存していますが、これらの⼿法は規模拡⼤において⼤きな障壁に直⾯しています。⾼コスト、厳格なハードウェア依存性、そしてエンボディメント‧ギャップにより、ロボットが様々なプラットフォームや環境にわたって汎⽤的な知能を獲得するために必要な、多様で「In-the-wild（実際の多様な環境下）」なデータを収集することはほぼ不可能でした。 当社の強み スタンフォード⼤学、コロンビア⼤学、およびTRIの研究者によって開発された「Universal Manipulation Interface (UMI)」は、ロボットに実世界との相互作⽤を教えるアプローチにパラダイムシフトをもたらす。データ収集プロセスをロボット本体から切り離すことで、UMIは⼈間が⼿持ち式のグリッパーを使⽤して、あらゆる場所でタスクのデモンストレーションを⾏うことを可能にし、そのデータをさまざまなロボットプラットフォームに展開できるようにする。 ソリューション データ収集 ： ⼈間がUMIグリッパーを使⽤し、50種類の異なる実環境（カフェ、キッチン、屋外など）の場所でカップを配置するインタラクションデータを収集。 学習：この視覚‧空間データセットに基づいて、ディフュージョンポリシーを学習。 展開：学習した同⼀のポリシーを、UR5eおよびフランカの両⽅のロボットアームに展開。 結果： 研究者がタスクの途中で受け⽫を動かしたり、照明を変更したりするような環境変化が⽣じた場合でも、ロボットは70〜100%のタスク成功率を達成した。ResNetなどの従来のビジョンモデルと⽐較して、極めて⾼い堅牢性を⽰した...