الفيديو هو النوع الأعلى تكلفة تشغيلية من حيث الجمع — إذ يجب ترتيب الموافقة والسلامة والوصول إلى البيئة قبل تسجيل أي مقطع — لذلك نحصر نطاق هذه المشاريع بدقة حول مجموعة أفعال أو بيئة محددة بدل طلبات مفتوحة مثل "سجّل الحياة اليومية"، والتي تنتج تباينًا غير قابل للاستخدام.
ما الذي يتحقق منه المراجع
دقة توسيم الأفعال مقارنة بالطوابع الزمنية، توثيق الموافقة لكل شخص ومساحة ظاهرة في الإطار، وتنوّع البيئات وفق المواصفة (مشترٍ في مجال الروبوتات يطلب "مهام مطبخ" يحتاج أكثر من تصميم مطبخ واحد ليكون البيانات مفيدة).
مثال تطبيقي. احتاج فريق روبوتات 5,000 مقطع لأنشطة منزلية حقيقية — طي الملابس، تحميل غسالة الصحون، تحضير الطعام — عبر تصاميم منزلية متنوعة. حددنا قائمة أفعال ثابتة، وجنّدنا أسرًا موافقة على تصوير يمكن التعرف عليه، وراجعنا كل مقطع وفق مواصفة توسيم الأفعال قبل التسليم.