Когда Зевс, студент-медик из центральной части Нигерии, возвращается в свою маленькую квартиру после долгого дежурства в больнице, он включает кольцевой свет, закрепляет iPhone на лбу и начинает снимать себя. Он медленно поднимает руки, словно сомнамбула, и застилает кровать. Движения — плавные, осторожные: важно, чтобы руки не выходили за кадр.

Зевс работает сборщиком данных для компании Майкроуан (Micro1) из Пало-Альто, штат Калифорния. Она собирает реальные видео с повседневными действиями и продаёт их робототехническим фирмам. Пока Tesla, Figure AI и Agility Robotics гонятся за созданием человекоподобных роботов — машин, способных действовать в домах и на фабриках, — ролики, записанные фрилансерами вроде Зевса, становятся главным топливом для их обучения.

Майкроуан наняла тысячи подрядчиков более чем в 50 странах — в Индии, Нигерии, Аргентине. Молодые, технически подкованные люди ищут работу, а компания предлагает хорошие деньги по местным меркам. Это поднимает местную экономику, но порождает вопросы о приватности и информированном согласии. А ещё — работа бывает странной.

Зевс узнал о вакансии в ноябре, когда о ней заговорили в LinkedIn и на YouTube. «Это шанс оставить след, внести данные, которые будут использованы для обучения роботов будущего», — подумал он.

Он получает 15 долларов в час — неплохие деньги в Нигерии, где высокая безработица. Но студент, мечтающий стать врачом, считает, что гладить одежду часами — скучно.

«Честно говоря, мне это не очень нравится, — признаётся он. — Я человек, которому нужна техническая задача, где надо думать».

Зевс и все собеседники MIT Technology Review попросили использовать псевдонимы: они не уполномочены говорить о своей работе.

Как учат роботов

Человекоподобных роботов сложно создавать: манипуляции с объектами — непростой навык. Но появление больших языковых моделей, лежащих в основе ЧатГПТ (ChatGPT), изменило подход. Если языковые модели учатся на текстах из интернета, то и роботы могут учиться на огромных массивах данных о движениях.

Однако робототехнике нужны гораздо более сложные данные. Виртуальные симуляции позволяют роботам выполнять акробатические трюки, но не научат брать чашку или протирать стол. Физику в симуляциях воссоздать идеально не удаётся. Поэтому для реальной работы в домах и на заводах нужны данные из реального мира — даже если собирать их долго и дорого.

Инвесторы вкладывают миллиарды, чтобы решить эту задачу. Только в 2025 году в человекоподобных роботов вложили более 6 миллиардов долларов. Сбор данных дома превращается в глобальную фриланс-индустрию.

Компании вроде Scale AI и Encord набирают армии записывающих. DoorDash платит курьерам за съёмку домашних дел. В Китае работники в государственных центрах в очках виртуальной реальности и экзоскелетах учат роботов открывать микроволновку и мыть стол.

«Спрос огромен, и он растёт очень быстро».

Али Ансари, гендиректор Майкроуан (Micro1)

Изо дня в день

Работников в Майкроуан проверяет ИИ по имени Зара: она проводит собеседования и оценивает образцы видео. Каждую неделю фрилансеры присылают ролики, где выполняют домашние дела — по чётким правилам: руки в кадре, движения естественные. Видео проверяют ИИ и люди. Принятые материалы размечают: сотни сотрудников и алгоритмы помечают, какие действия происходят в кадре.

Поскольку метод ещё новый, неясно, что именно делает данные хорошими. Но, по словам Ансари, «нужно много вариаций, чтобы робот мог обобщать действия — навигацию и манипуляции в мире».

Многие работники жалуются: в тесных квартирах сложно придумать разнообразные задания. Зевс, живущий в студии, каждый день гладит одежду — больше нечего снимать. Арджун, репетитор из Дели, тратит час на 15-минутное видео: придумывает, что бы ещё сделать.

«Сколько контента можно создать дома? Сколько?» — спрашивает он.

Приватность и неопределённость

Майкроуан запрещает показывать лицо и личные данные — имена, телефоны, даты рождения. ИИ и модераторы удаляют всё, что просочилось. Но даже без лиц видео передают интимную картину жизни: интерьеры, вещи, ритуалы. Что именно попадает в кадр, работники не всегда понимают.

Для семей — постоянная борьба. Арджун, отец двух дочерей, вынужден уводить двухлетнюю малышку из кадра. «Иногда работать невозможно — дочь маленькая», — говорит он.

Саша, бывший банкир из Нигерии, крадётся по общему двору, развешивая бельё, чтобы не заснять соседей. Те смотрят на неё с недоумением.

Работники знают, что их данные идут на обучение роботов. Но никто не знает, как именно их используют, хранят и передают третьим лицам — включая клиентов Майкроуан. По словам Ансари, из-за конфиденциальности компания не называет заказчиков и не раскрывает детали проектов.

«Важно, чтобы работники понимали, с какой целью собираются данные, — говорит Ясмин Коттури, профессор гуманитарных вычислений в Университете Мэриленда. — И как это может повлиять на них в будущем».

Иногда сотрудники спрашивают в корпоративном Slack, можно ли удалить их данные. Майкроуан отказалась комментировать, делают ли они это.

«Люди сами выбирают эту работу, — говорит Ансари. — Они могут прекратить в любой момент».

Сколько данных нужно?

Некоторые робототехники сомневаются: достаточно ли надёжны данные, собранные в разных домах разными людьми?

«То, как мы живём дома, не всегда безопасно, — говорит Аарон Пратер из ASTM International. — Если роботы усвоят такие привычки, это может привести к авариям».

Компания отсеивает опасные действия, но, по словам Ансари, даже неуклюжие движения полезны — они показывают, как роботу не надо делать.

Майкроуан заявляет, что у неё десятки тысяч часов видео. Scale AI сообщила о более чем 100 000 часах.

«Это займёт больше времени, чем думают люди».

Кен Голдберг, Университет Калифорнии в Беркли

Кен Голдберг, робототехник из Беркли, напоминает: большие языковые модели учились на текстах, которые человеку потребовалось бы 100 000 лет читать. А роботам может понадобиться ещё больше данных — управление суставами сложнее, чем генерация текста.

Когда Датту, студент-инженер из индийского техногородка, приходит домой после учёбы, он пропускает ужин и бежит на балкон, заставленный цветами и гантелями. Закрепляет телефон на лбу и снова и снова складывает одну и ту же одежду.

Родные смотрят на него с подозрением. «Для них это как космические технологии», — говорит он. Друзьям он рассказывает — и те в шоке: «Оплачиваешь домашнюю работу? Невероятно».

Учёба, съёмка, ещё и другие фриланс-задачи — сил не остаётся. Но, говорит Датту, «ощущение, что ты делаешь что-то, чего больше никто не делает».

When Zeus, a medical student living in a hilltop city in central Nigeria, returns to his studio apartment from a long day at the hospital, he turns on his ring light, straps his iPhone to his forehead, and starts recording himself. He raises his hands in front of him like a sleepwalker and puts a sheet on his bed. He moves slowly and carefully to make sure his hands stay within the camera frame. 

Zeus is a data recorder for Micro1, a US company based in Palo Alto, California that collects real-world data to sell to robotics companies. As companies like Tesla, Figure AI, and Agility Robotics race to build humanoids—robots designed to resemble and move like humans in factories and homes—videos recorded by gig workers like Zeus are becoming the hottest new way to train them. 

Micro1 has hired thousands of contract workers in more than 50 countries, including India, Nigeria, and Argentina, where swathes of tech-savvy young people are looking for jobs. They’re mounting iPhones on their heads and recording themselves folding laundry, washing dishes, and cooking. The job pays well by local standards and is boosting local economies, but it raises thorny questions around privacy and informed consent. And the work can be challenging at times—and weird.

Zeus found the job in November, when people started talking about it everywhere on LinkedIn and YouTube. “This would be a real nice opportunity to set a mark and give data that will be used to train robots in the future,” he thought. 

Zeus is paid $15 an hour, which is good income in Nigeria’s strained economy with high unemployment rates. But as a bright-eyed student dreaming of becoming a doctor, he finds ironing his clothes for hours every day boring. 

“I really [do] not like it so much,” he says. “I’m the kind of person that requires … a technical job that requires me to think.” 

Zeus, and all the workers interviewed by MIT Technology Review, asked to be referred to only by pseudonyms because they were not authorized to talk about their work.

Humanoid robots are notoriously hard to build because manipulating physical objects is a difficult skill to master. But the rise of large language models underlying chatbots like ChatGPT has inspired a paradigm shift in robotics. Just as large language models learned to generate words by being trained on vast troves of text scraped from the internet, many researchers believe that humanoid robots can learn to interact with the world by being trained on massive amounts of movement data. 

Editor’s note: In a recent poll, MIT Technology Review readers selected humanoid robots as the 11th breakthrough for our 2026 list of 10 Breakthrough Technologies.

Robotics requires far more complex data about the physical world, though, and that is much harder to find. Virtual simulations can train robots to perform acrobatics, but not how to grasp and move objects, because simulations struggle to model physics with perfect accuracy. For robots to work in factories and serve as housekeepers, real-world data, however time-consuming and expensive to collect, may be what we need. 

Investors are pouring money feverishly into solving this challenge, spending over $6 billion on humanoid robots in 2025. And at-home data recording is becoming a booming gig economy around the world. Data companies like Scale AI and Encord are recruiting their own armies of data recorders, while DoorDash pays delivery drivers to film themselves doing chores. And in China, workers in dozens of state-owned robot training centers wear virtual-reality headsets and exoskeletons to teach humanoid robots how to open a microwave and wipe down the table. 

“There is a lot of demand, and it’s increasing really fast,” says Ali Ansari, CEO of Micro1. He estimates that robotics companies are now spending more than $100 million each year to buy real-world data from his company and others like it.

A day in the life

Workers at Micro1 are vetted by an AI agent named Zara that conducts interviews and reviews samples of chore videos. Every week, they submit videos of themselves doing chores around their homes, following a list of instructions about things like keeping their hands visible and moving at natural speed. The videos are reviewed by both AI and a human and are either accepted or rejected. They’re then annotated by AI and a team of hundreds of humans who label the actions in the footage.

“There is a lot of demand, and it’s increasing really fast.”

Ali Ansari, CEO of Micro1 

Because this approach to training robots is in its infancy, it’s not clear yet what makes good training data. Still, “you need to give lots and lots of variations for the robot to generalize well for basic navigation and manipulation of the world,” says Ansari.

But many workers say that creating a variety of “chore content” in their tiny homes is a challenge. Zeus, a scrappy student living in a humble studio, struggles to record anything beyond ironing his clothes every day. Arjun, a tutor in Delhi, India, takes an hour to make a 15-minute video because he spends so much time brainstorming new chores.

“How much content [can be made] in the home? How much content?” he says. 

There’s also the sticky question of privacy. Micro1 asks workers not to show their faces to the camera or reveal personal information such as names, phone numbers, and birth dates. Then it uses AI and human reviewers to remove anything that slips through. 

But even without faces, the videos capture an intimate slice of workers’ lives: the interiors of their homes, their possessions, their routines. And understanding what kind of personal information they might be recording while they’re busy doing chores on camera can be tricky. Reviews of such footage might not filter out sensitive information beyond the most obvious identifiers.

For workers with families, keeping private life off camera is a constant negotiation. Arjun, a father of two daughters, has to wrangle his chaotic two-year-old out of frame. “Sometimes it’s very difficult to work because my daughter is small,” he says. 

Sasha, a banker turned data recorder in Nigeria, tiptoes around when she hangs her laundry outside in a shared residential compound so she won’t record her neighbors, who watch her in bewilderment.

“It’s going to take longer than people think.”

Ken Goldberg, UC Berkeley

While the workers interviewed by MIT Technology Review understand that their data is being used to train robots, none of them know how exactly their data will be used, stored, and shared with third parties, including the robotics companies that Micro1 is selling the data to. For confidentiality reasons, says Ansari, Micro1 doesn’t name its clients or disclose to workers the specific nature of the projects they are contributing to.

“It is important that if workers are engaging in this, that they are informed by the companies themselves of the intention … where this kind of technology might go and how that might affect them longer term,” says Yasmine Kotturi, a professor of human-centered computing at the University of Maryland.

Occasionally, some workers say, they’ve seen other workers asking on the company Slack channel if the company could delete their data. Micro1 declined to comment on whether such data is deleted.

“People are opting into doing this,” says Ansari. “They could stop the work at any time.”

Hungry for data

With thousands of workers doing their chores differently in different homes, some roboticists wonder if the data collected from them is reliable enough to train robots safely. 

“How we conduct our lives in our homes is not always right from a safety point of view,” says Aaron Prather, a roboticist at ASTM International. “If those folks are teaching those bad habits that could lead to an incident, then that’s not good data.” And the sheer volume of data being collected makes reviewing it for quality control challenging. But Ansari says the company rejects videos showing unsafe ways of performing a task, while clumsy movements can be useful to teach robots what not to do.

Then there’s the question of how much of this data we need. Micro1 says it has tens of thousands of hours of footage, while Scale AI announced it had gathered more than 100,000 hours.

“It’s going to take a long time to get there,” says Ken Goldberg, a roboticist at the University of California, Berkeley. Large language models were trained on text and images that would take a human 100,000 years to read, and humanoid robots may need even more data, because controlling robotic joints is even more complicated than generating text. “It’s going to take longer than people think,” he says.

When Dattu, an engineering student living in a bustling tech hub in India, comes home after a full day of classes at his university, he skips dinner and dashes to his tiny balcony, cramped with potted plants and dumbbells. He straps his iPhone to his forehead and records himself folding the same set of clothes over and over again. 

His family stares at him quizzically. “It’s like some space technology for them,” he says. When he tells his friends about his job, “they just get astounded by the idea that they can get paid by recording chores.”

Juggling his university studies with data recording, as well as other data annotation gigs, takes a toll on him. Still, “it feels like you’re doing something different than the whole world,” he says.