aeffer/ko-household-50h
2026 Q4 수집 예정( 01 )뷰어· SAMPLE VIEWER / SYNTHETIC
합성 샘플로 먼저 보세요
실제 수집 데이터와 같은 스키마로 만든 절차적 샘플입니다. 과제·체형·클로즈업을 바꿔가며 어떤 신호가 어디서 나오는지 확인할 수 있습니다.
뷰어를 불러오는 중…
pose_source=3 · SYNTHETIC절차적으로 생성한 합성 샘플입니다. 실제 수집 데이터가 아닙니다.
( 02 )문제· PROBLEM / 3 GAPS OBSERVED
영상은 넘칩니다. 없는 것은 권리와 손입니다.
로봇 학습을 막는 것은 데이터의 양이 아닙니다. 팔 수 있는 권리, 그리고 손이 보이는 해상도입니다.
- ( 격차 01 )
대표 공개셋은 팔 수 없습니다
EgoDex·Ego4D(1인칭 영상)와 AMASS(모션캡처)는 모두 비상업 라이선스입니다. 상업 모델을 학습하려면 착용자 동의가 확인된 데이터를 따로 구해야 합니다.
0 / 3상업 학습 허용 (조사한 대표 공개셋)EgoDex · Ego4D · AMASS 라이선스 조항 (2026-09 확인)
- ( 격차 02 )
손이 안 보입니다
구매자가 실제로 보는 값은 손목 SE(3)와 엄지-검지 개구입니다. 단안 카메라는 깊이 오차가 5~11cm에 달해 이 값을 만들지 못합니다.
95% vs 45%실로봇 성공률 · 스테레오 vs 단안HumanEgo 실로봇 평가 — Aria 스테레오 95% · WiLoR 45% · HaMeR 32.5%
같은 동작으로 직접 비교 - ( 격차 03 )
한국의 집은 데이터에서 찾기 어렵습니다
좌식 생활, 한국형 주방 구조, 김치냉장고, 분리수거. 이런 한국 가정에서 찍었다고 밝힌 시연 데이터는 찾지 못했습니다. truelabel이 올린 서울 항목도 산업용 SCARA 원격조작입니다.
0건한국 가정 환경을 밝힌 시연 데이터 (확인 범위)truelabel.ai 티커·환경별 페이지 (2026-09-17·18 확인) · AI Hub 손·팔 파지-조작 데이터 (2022)
( 격차 02 ) 같은 동작, 다른 데이터
손이 안 보이면 이렇게 됩니다
불러오는 중…
단안 영상 추정
pose_source=1 monocular_est계측
pose_source=0 measured엄지–검지 개구—mm최근 1.5초 — mm · 손목 깊이 오차 — mm
엄지–검지 개구—mm최근 1.5초 — mm · 기준 궤적
( 격차 02 ) 데이터가 끊기면
로봇은 그 구간을 놓칩니다
합성 시각화입니다. 사람에게서 나온 데이터가 중앙에서 정렬돼 로봇으로 흘러가고, 한국식 주방 동작의 데이터가 끊기면 로봇이 동작을 놓치고 흐려집니다. 데이터가 다시 들어오면 따라잡습니다.
( 03 )회로· THE AEFFER CIRCUIT
들어오는 길과 나가는 길
사람에게서 나르고, 로봇에게로 나릅니다. 그 사이에 QA가 있습니다.
①
기여자가 리그를 착용합니다
T1 · T2 · T3 세 티어 중 태스크에 맞는 리그를 고릅니다. 착용 전에 동의 절차를 거치며, 동의 범위(상업 학습 허용 여부, 제3자 제공, 철회 조건)를 기록으로 남깁니다.
장비 스펙 보기( 04 )신호· AEFFER SIGNAL PRIMITIVES / AF-SIG
우리가 몸에서 읽는 것들
아홉 개의 신호에 코드를 붙였습니다. 마지막 두 개가 우리를 다르게 만듭니다 — 자세의 출처와 권리도 우리가 측정하는 신호입니다.
| # | 신호 | 코드 | 설명 | 티어 |
|---|---|---|---|---|
| 01 | 손목 자세 | WR-01 · AF-SIG | 양손목 SE(3) 4×4 변환행렬 | T2+ |
| 02 | 손가락 개구 | AP-02 · AF-SIG | 엄지-검지 거리 (m) | T2+ |
| 03 | 전신 관절 | JT-03 · AF-SIG | 21관절 + 손발 30 | T2+ |
| 04 | 1인칭 영상 | EG-04 · AF-SIG | 헤드마운트 RGB | T1+ |
| 05 | 관성 | IM-05 · AF-SIG | 9축 IMU, 100~240Hz | T1+ |
| 06 | 접촉 | CT-06 · AF-SIG | 파지 시작·종료 이진 | T3 |
| 07 | 시선 | GZ-07 · AF-SIG | 주시점 (Aria / Vision Pro) | T3 |
| 08 | 자세 출처 | PS-08 · AF-SIG | pose_source 0~3 신뢰도 | 전체 |
| 09 | 권리 | RT-09 · AF-SIG | 동의 범위, 제3자 제공 여부 | 전체 |
PS-08 자세 출처와 RT-09 권리는 다른 신호와 같은 지위로 기록됩니다. 어떤 값이 측정된 것이고 어떤 값이 추정된 것인지, 그리고 그 데이터를 무엇에 쓸 수 있는지를 데이터 자체가 들고 다닙니다.
( 05 )노트· PROTOCOL NOTES
우리가 배운 것을 그대로 적습니다
수집 프로토콜, 리그 비교, 스키마 변경 기록. 잘 안 된 것도 적습니다.
- aeffer-v1 스키마 — pose_source와 /derived/ 격리를 둔 이유측정값과 추정값을 한 필드에 섞으면 구매자가 품질을 검증할 수 없다. 출처를 필드로 분리한다.
- 캡처 리그 3티어 비교 — mocopi · HaritoraX · Rokoko · Xsens · Vision Pro손목 SE(3)를 만들 수 있는 최소 구성은 T2다. T1은 동의·권리 확보 연습용이며 판매 품질에 미달한다.
- 안경만으로는 팔 수 없는 이유 — 손 포즈 품질 기준과 단안 깊이 오차단안 깊이 오차 5~11cm. 실로봇 성공률이 스테레오 95%에서 단안 45%로 떨어진다.
- 학습 데이터에 DRM이 불가능한 이유와 대안가중치에 흡수된 데이터는 회수할 수 없다. compute-to-data · 계약 · 고객별 지문 세 가지로 간다.
( 06 )카탈로그· DATASETS / 0 PUBLISHED
공개 예정 데이터셋
아직 공개된 데이터셋이 없습니다.
Aeffer는 2026년 4분기 첫 파일럿 수집을 시작합니다. 첫 데이터셋은 한국어 생활환경 가사 태스크 50시간이며, 상업 학습이 가능한 동의를 받은 데이터로만 구성됩니다.
지금 보실 수 있는 것
- 합성 샘플 뷰어실제 수집 데이터와 같은 스키마
- aeffer-v1 스키마 명세필드 전문 공개
- 수집 로드맵어떤 태스크를 먼저 모을지
수집 예정 · ROADMAP
aeffer/ko-logistics-20h
2027 Q1 예정물류 상자 취급
aeffer/ko-kitchen-15h
2027 Q1 예정주방 동선 · 3인칭 동시촬영
( 07 )이름· ETYMOLOGY
왜 Aeffer인가
afferent구심성몸 → 뇌ad- ~로
Æffer
들어오고 나가는 것
공유 어근 ferre · 나르다 (라틴어)
efferent원심성뇌 → 몸ex- ~에서
Æ는 라틴어와 고대영어의 합자(ash)입니다. 두 방향이 한 어근을 공유하듯, 두 글자가 한 글자에 붙어 있습니다. 사람에게서 나르고, 로봇에게로 나릅니다. 그 사이에 있는 것이 우리입니다.
( 08 )참여· JOIN
AFFERENT 구심성 · 공급데이터를 제공하고
데이터를 제공하고
싶습니다
리그를 착용하고 일상 태스크를 시연합니다. 보상은 승인된 시간 기준이며, 동의 범위는 직접 정하고 언제든 철회할 수 있습니다.
- 승인된 시간 기준 보상 · 세션 30분
- 동의 범위 직접 선택 · 철회 가능
- 수집 장비 무상 대여
EFFERENT 원심성 · 수요데이터가
데이터가
필요합니다
필요한 태스크와 신호 스펙을 알려주시면 수집 계획을 함께 설계합니다. 파일럿은 소량 맞춤 수집부터 시작합니다.
- 태스크 맞춤 수집 · 스펙 협의
- 상업 학습 가능 라이선스
- compute-to-data 또는 반출