専用AIとグローブで品質を担保
そこで登場するのが、同社の新しいAIプラットフォーム「MaxLoop（マックスループ）」だ。今回の資金調達と同時にリリースされたMaxLoopは、撮影映像が到着した時点でその内容を評価する、マックスインサイツのAIプラットフォームである。オペレーターが作業を行なっているか、カメラが正しく装着されているか、タスクが完了したか、そして、最も重要な点だが、その映像が使用可能か、を評価する。
マックスインサイツでは、自社の映像データを用いて、独自の「手の追跡モデル」を学習させた。なぜなら、同社によれば、実世界の動画では、ほとんどのアノテーションツール（AIに画像や映像の正解を教えるツール）が機能しなくなるためだという。手が物体の陰に隠れたり、同じフレーム内に複数人の手が映り込んだり、オペレーターが手袋や指輪を着用していたり、動きによって映像がぼやけたりするからだ。マックスインサイツは現在、毎月約45万時間の映像を処理している。「MaxLoopの導入前は、スタッフが事後に目視で映像を確認していた。何か問題があった場合、オペレーターはその問題について1～2週間後に知らされ、その間は同じ方法で録画を続けていた」とユアンCEOは述べる。
しかし、動画だけでは不十分だ。動画では、ロボットに対して「手が何をするか」は示せても、どれくらいの力で握るかは伝えられない。「カメラは、手が何をしているかを映し出すが、どれくらいの力で握っているか、物体がどれほど重いか、あるいはいつ滑り始めるかまでは教えてくれない」とユアンCEOは言う。「それが、卵をつまみ上げるロボットと、握りつぶしてしまうロボットとの違いになる」
マックスインサイツがジェネシスAIと共同でテスト中のグローブ「MaxGlove（マックスグローブ）」は、把持力、物体の重量、作業中の接触状態の変化を記録し、オペレーターのカメラ映像と同期させる。マックスインサイツによると、既存のセンサーグローブは、キャリブレーション（校正）サイクルが長く、1日あたり10～20分しか実用的なデータ取得ができないため、数千人のオペレーターに適用するには不向きだという。ユアンCEOによると、MaxGloveは、同社がすでに運用しているオペレーターネットワークに組み込まれるという。
同社は、2027年中に100万時間の力覚データを収集することを目標としており、これは膨大な数字だ。「難しいのは、その規模で品質を一定に保つことであり、MaxLoopはまさにそのために開発された」とユアンCEOは語る。マックスインサイツへの出資を主導したPeak XV（ピーク XV）は、品質こそが競争上の強みだと述べている。
ピークXVのマネージングディレクター、ロヒト・アガルワルは次のように述べる。「この分野にいる企業の多くは単に時間数（データ量）を販売しているに過ぎない。マックスインサイツだけが品質管理を、人件費の問題ではなく、エンジニアリング上の課題として捉えた。それこそが、同社が現実のビジネス環境で事業を展開できている理由だ。その判断は後から模倣するのは難しく、だからこそ、他のベンダーを試したラボも、結局はマックスインサイツに戻ってくる」
