फ्रोडोबॉट्स ने एक वियरेबल डिवाइस रोबोकैप बनाया और इसे ओपन-सोर्स कर दिया। इसे नियंत्रित लैब परिवेश के बाहर वास्तविक दुनिया के डेटा संग्रह के लिए विशेष रूप से डिज़ाइन किया गया है, जिससे लगातार दस घंटे से अधिक का एगोसेंट्रिक वीडियो कैप्चर हो सके। @BitRobotNetwork के किसी भी कवरेज में इस हार्डवेयर का ज़िक्र लगभग नहीं होता, लेकिन यह दो ऐसी चीज़ों के प्रतिच्छेदन पर स्थित है, जिनकी नेटवर्क को एक साथ आवश्यकता है: स्केल और विविधता। SN/05 SeeSaw iPhone पर चलता है। यह मैस पार्टिसिपेशन लेयर है, कम घर्षण, कोई भी योगदान दे सकता है, उच्च मात्रा में। रोबोकैप पrecision लेयर है। एगोसेंट्रिक कैप्चर के लिए विशेष रूप से बनाया गया एक वियरेबल, सभी योगदानकर्ताओं के लिए समान फ्रेमिंग, समान क्षेत्रफल, समान सेंसर डेटा प्रदान करता है। जब आप ऐसे रोबोट्स के लिए पॉलिसीज़ को प्रशिक्षित कर रहे होते हैं, जिन्हें पहले-व्यक्ति के परिप्रेक्ष्य से मनुष्यों के वस्तुओं के साथ पारस्परिक क्रिया को समझने की आवश्यकता होती है, तो कैप्चर हार्डवेयर में समानता एक मामूली बात नहीं है। यह उस डेटासेट के बीच का अंतर है, जो साफ़ मॉडल्स को प्रशिक्षित करता है, और उस डेटासेट के बीच, जो प्रत्येक सैंपल में हार्डवेयर-स्तरीय शोर पेश करता है। ओपन-सोर्स का निर्णय भी महत्वपूर्ण है। फ्रोडोबॉट्स ने रोबोकैप को प्रोडक्ट के रूप में प्रस्तुत नहीं किया। उन्होंने इसे प्रकाशित किया। कोई भी शोध टीम, कोई भी प्रयोगशाला, कोई भी हार्डवेयर पार्टनर अब इस डिज़ाइन पर आधारित काम कर सकता है, इसे संशोधित कर सकता है, और अपने स्वयं के डेटा संग्रह कार्यक्रमों में स्थापित कर सकता है। अगर यह प्रायोगिक रोबोटिक्स में प्रचलन में आता है, तो BitRobot के पास egocentric capture के लिए एक distributed hardware standard होगा, जो सीधे नेटवर्क की स्वयं की प्रशिक्षण पाइपलाइन में पुनः प्रवाहित होगा। यह पुनःप्रतिक्रिया-चक्र कागज़ पर सुंदर है। परंतु, क्रिप्टो-रोबोटिक्स स्टार्टअप से मुफ़्त हुए हार्डवेयर पर कितनी प्रयोगशालाएँ वास्तव में काम करती हैं, यह कुछ हद tak alag prakar ka parikshan hai।