深瞳工作室出品
科技日报记者 管晶晶 张佳星 运营 刘恕 李坤
让机械人开一颗核桃 ，深瞳身智受展它像磕鸡蛋一样把核桃砸向桌面；从冰箱里拿瓶矿泉水 ，丨数机械人耗时10分钟才完成；让机械人叠衣服 ，据充它煞有介事不竭对准 、分具纠偏 ，懊末末尾仍是深瞳身智受展揉成一团……
在成为“跳舞演员”和“长跑健将”此后 ，机械人被请求做更多“务虚”工作，丨数却带来了良多令人哭笑不得的据充翻车场景。
“机械人要做到合用 ，分具必须面对丰富的懊末物理全国 ，这需求除夜量的深瞳身智受展具身智能数据来进修操练 。”复旦除夜学长聘特聘传授 、丨数飞捷科思智能科技（上海）无穷公司草创人张立华陈述科技日报记者 ，据充“据不无缺统计 ，分具全球局限内研发端对高质量数据的懊末需求量约为120万小时 ，而全行业每个月数据产出量仅为25万—30万小时 。高质量具身智能数据稀缺已成为具身智能机械人展开的关头瓶颈之一 。”
2026年被业界称为具身智能数据元年 ，具身智能机械人行业从算法驱动转向数据驱动 ，高质量数据正成为行业竞逐的基赋性计策成本 。
现罕有据严重窘蹙
比来几年来 ，人工智能除夜言语模型靠互联网上的海量文本数据学会了生成言语 ，展开行进神速 。基于一样的逻辑 ，具身智能机械人需求依托海量的人类行动数据 ，才调学会在真实全国里干活 。
“用手捡起干木耳”这个对人来讲万无一掉落的行动 ，机械人需求变卦物体材质辨识 、空间姿式婚配等多个技能。“台上一分钟”晃荡刚毅的奉行，需求台下亿万真实 、高质量的人类行动数据作为支撑 。
可是 ，机械人不像孩子一样“有样学样”。它们的进修数据集里 ，需求职位的坐标 、力矩的量化、触觉回响的标注等 。是以 ，互联网上海量的文本 、视频因窘蹙行动数据真实不克不及直接“喂”给机械人。
“除夜言语模型独霸的文本数据或影音数据 ，本质上都是‘不雅不雅不雅不雅不雅不雅不雅不雅不雅不雅不雅不雅不雅不雅不雅不雅查询拜访者视角’的静态数据 ，但具身智能需求‘交互者视角’的数据。一个契合请求的抓取行动数据 ，不单要包含视觉信息 ，还应包含及时的力回响 、触觉感知和电机扭矩的延续改削。”张立华向科技日报记者引见说 ，如今互联网上几近不存在现成的 、可以直接映照到机械人感知与独霸链路上的“多模态指令—行动”数据集，“我们面对的不是数据的优化 ，而是从零最早的原始堆集” 。
“完成一个高质量模型的操练 ，起码需求一切切小时量级的数据 。”京东云产品经理蔡晨展示 ，往后市场上成熟的具身智能数据集只需几十万小时 ，远远不克不及支撑行业操练出高质量 、通用的具身除夜模型 。
在除夜言语模型局限 ，Token（词元）是通用的；但在具身智能局限，数据具有极强的硬件依托性。因为机械人构型的限制 ，数据难以在不合机械人之间复用 ，这类“交换”困境 ，使得如今群集的数据极端碎片化，难以构陋习模效应。
“举个例子 ，一样是机械人 ，身高1.2米和1.8米身形不合较着 ，即便抓取齐截高度的物体 ，机械臂的行动行程也无缺不合 ，是以1.2米机械人的有效数据很难直接迁徙到1.8米机型上 。”蔡晨陈述科技日报记者，没法让一份数据阐扬十份的效能 ，也是具身智能数据充分的一个次要要素 。
与此同时 ，机械人模型的飞速展开亦使得数据充分愈创作创造显 。
具身智能机械人但凡被区分为“除夜脑”“小脑”与“本体”三个中心构成部分，机械人“除夜脑”的中心是具身智能除夜模型 。机械人措置的义务越宏壮邃密 ，具身智能除夜模型的筹划就越宏壮 、参数局限也越除夜 。模型参数比如机械人的常识记忆单位 ，参数数量越多，机械人的进修身手和智能程度就越高 。
“如今机械人的模型参数局限已从几百万汲引到几亿量级 ，数据短板问题日渐凹陷 。”上海新时达电气股分无穷公司具身智能初级研究员丛正陈述科技日报记者 ，之前几百万参数的模型 ，拿较少的数据就可以操练达标 。如今几亿参数的宏壮模型 ，需求极除夜的数据量才调担保模型操练达标 、实操晃荡 。
存在“不成能三角”
一只黑色的机械手稳稳夹住奶瓶 ，群集员独霸此外一只机械手舀进安妥奶粉 ，不远处一个假娃娃正嗷嗷待哺……这不是沉沦式脚本馆里的角色扮演 ，而是北京人形机械人立异中心数据基地中 ，事恋人员正在举办的数据群集工作。
“数据基地是机械人的‘常识花费者’ 。我们采取真机远独霸编制，屈就群集、清洗 、脱敏、搜检 、标注、质检等系列圭表类型流程花费高质量数据。”北京人形机械人立异中心数据运营担当人孔超陈述科技日报记者 ，该基地日产能达600小时，已堆集4万小时高质量具身智能数据 ，合格率晃荡在95%以上 。
如今 ，相较于经由过程爬虫法度圭表类型除夜局限掉落踪掉落踪的互联网文本 ，高质量具身数据的掉落踪掉落踪身手极端繁琐且成本昂扬 。
中国科学院主动化研究所副研究员 、北京中科慧灵机械人技能无穷公司具身独霸中心担当人周明才陈述科技日报记者，不合于除夜言语模型措置聚会的Token，具身智能机械人需求延续的关键力矩 、末尾位姿和触觉回响，这类毫秒级的邃密独霸数据依托高精度的物理交互掉落踪掉落踪，是以群集门槛极高 。
往后 ，具身智能数据的群团编制次要包含四类 ：真机远独霸 、行动捕获群集 、人类行动视频和仿真分化数据 。
真机远独霸 ，即人佩带外骨骼设备或操控机械人举办“手把手”解释注解 。这类编制物理交互强 、数据质量高 ，但成本高 、屈就低 ，且会遭到机械人本体和场景的限制 。
除“手把手”解释注解 ，也可以在人身上穿戴良多传感器，举举办为捕获群集 。这类群团编制在成本上低于真机远独霸，便于局限化群集 ，但因为人体和机械人构型存在不合 ，需求举办人矫捷作重定向措置。
人类行动视频 ，是在人们干活时拍摄视频，分析每个行动在空间的具体职位 ，供机械人进修。这类编制群集成本低 、局限除夜 ，但窘蹙位姿 、触觉 、力矩等切确标注 ，机械人难以学会邃密行动 。
出于成本考量 ，仿真分化数据也是往后具身智能数据的一除夜类别 。仿真分化数占据点像打电子游戏 ，在一个虚构气候里完成各类行动 。这类群团编制可控可扩大年夜大年夜大年夜大年夜 ，可袒护各类毁伤场景 ，但存在仿真与理论的真实性鸿沟 。“因为物理引擎很难100%恢复真实全国的物体形变 、摩擦力及纤细物理特点 ，仿真数据经常存在偏向 ，直接迁徙到机械人上时会展示‘不伏水土’ 。”周明才坦言。
在孔超看来 ，往后具身智能数据存在一个“不成能三角” ，即高质量、除夜局限 、低成本三除夜体素没法同时兼得 。
张立华对此展示认同：“‘不成能三角’切实其实是往先行业的中心冲突 。真机远独霸数据质量高 ，但面对需求数亿级样本才调完成泛化的除夜模型 ，一对一的群团编制无异于杯水车薪 。深化视频 、低保真仿真或粗标注数据等低成本数据 ，局限随便做除夜 ，但经常窘蹙物理属性 、行动可奉行性和可迁徙性，直接用于操练很随便构成模型‘看起来会、做起来不稳’ 。”
具身智能的数据稀缺，不是纯真的“量少” ，而是可以支撑宏壮物理推演的高质量 、多模态 、可对齐的数据极端匮乏 。“这类充分本质上是技能演进的必定阶段 ，谁能率先在数据主动化群集 、异构数据回一化和Sim-to-Real（仿真到真实）的高效迁徙上掉落踪掉落踪打破 ，谁就将掌控下半场竞争的主动权 。”张立华说 。
多元数据迟滞融合互补
在江苏宿迁 ，京东机械人数据汇集结心正源源不竭地领受和分化来自快递分拣员 、超市理货员的工作视频数据 。“他们戴在头上的第一视角群集终端 ，可以精准标注手指的职位、曲折勉强度等信息 。”蔡晨引见 ，京东筹算2年内完成1000万小时的视频数据群集 ，包含物流、零售 、家庭等多场景。
跟着硬件成本的下探和人形机械人进进小局限试产 ，业界愈来愈意想到 ，纯真靠堆人力往“教”机械人是不成延续的 ，行业共叫正在从“单点群集”走向“多源迟滞融合” 。
京东云经由过程数据的全链路措置 ，可以“一站式”完成人类行动视频 、仿真分化与真机独霸三类数据的价值转化与泛化扩增 ，从而集团汲引操练屈就 。据蔡晨引见，终端群集到的人类行动视频数据汇进AI数据湖平台后 ，依托PB级措置身手可主动完成清洗、对齐、转换及预标注 ，成为高质量操练数据的次要构成部分；构建仿真模型 ，批量生成高逼真度的仿真分化数据；同时 ，操控机械人完成义务掉落踪掉落踪的真机独霸数据，也会回流至平台 。
跟着模型身手和视频辨认提取身手的加强 ，第一视角的人类行动视频数据被除夜量用于机械人预操练 。
“用除夜量视频可以操练机械人跳舞扮演 ，但要完成工厂里的理论独霸 ，仍是会用真机远独霸的真实数据 。因为机械人的手在空间中的真实职位和邃密行动，用视频是操练不出来的 。”丛正进一步诠释道，比如拧螺丝 ，是一个绝对邃密的行动 。不是每个螺丝都能正对着螺丝孔 ，大年夜大年夜约会偏左或偏右 ，人拧的时辰会晓得倾斜一点用力 ，但让机械人完成这件事就需求用除夜量的真机远独霸数据往操练 。这就是机械人的泛化身手 。
“现熟行业主流采取的是同化操练计策 。企业不再单一依托某一种数据源 ，而是将多种本源的数据按特定比例迟滞融合。这类组合既担保了行动的精准度 ，又兼顾了场景的泛化身手 ，是如今破解数据艰苦的最有效身手 。”周明才说 。
张立华也展示 ，单一技能线路很难同时知足局限、成本 、精度和泛化请求 ，行业正在构成“人类视频注进通用物理常识、仿真分化袒护长尾鸿沟 、轻量化群集扩大年夜大年夜真实交互、高精度远独霸适配垂直场景微调”的迟滞融合路途 。
孔超给记者举了个例子。“小孩有必定认知身手最早学对象时 ，你不必教得很具体 ，给他看除夜量对象 ，他本身也能慢慢熟谙良多。然后 ，再举办一些具体的纠偏 ，他就可以做得很好 。”
对具身智能机械人企业而言 ，多元数据迟滞融合互补切实其实是往后最有效的路途。业内良多企业都采取从海量视频数据到低价值真机远独霸数据的递进式操练路途，先用低成本 、除夜局限的视频数据打底 ，让机械人体味要干甚么，再用高保真仿真模型生成除夜量可控数据 ，辅佐机械人熟谙各类场景、泛化拓展 ，末尾用低价值 、小体量的真机远独霸数据举办纠偏和校准，让机械人完成邃密行动 。多么 ，高成本的真机远独霸数据无需担当全数操练义务 ，而是成为验证模型身手 、改削偏向的关头锚点。
亟待不合标准圭表类型流程
因为具身智能财富的展开高度依托数据驱动，比来几年来 ，数据群集赛道吸引一众企业竞相出场 、各显神通 ：有的研发晋级群集设备，有的延续迭代物理仿真模型 ，另有的加除夜重资产投进 ，筹划多构型真机远独霸群集……
高质量数据历来不是复杂群集便可以构成的 ，而是需求一整套圭表类型的流程作为担保 。科技日报记者访谒的多个企业都构建了自有的数据群团体系 ，可是不合企业和机构的数据存储格式、元数据外形 、标注颗粒度都有不合 ，企业间的数据疏浚几近成为奢看 ，一座座“数据孤岛”由此构成。在各自为战的编制下 ，除夜量成本被几回投进到近似的数据群集与技能研发中 ，构成严重华侈。
“往先行业最紧要的需求不是纯真添加群集设备或添加仿真场景 ，而是创建一套贯穿‘群集 、生成 、标注、清洗 、操练 、评测 、回响’各环节的行业通用数据标准。”张立华展示 ，不合具身智能数据标准的难点在于 ，它不是静态数据 ，必须与义务 、机械人本体 、物理气候和模型身手严密耦合 。没有不合的数据格式 、物理属性标签 、义务定义和质量评价标准 ，不合企业之间的数据很难疏浚共享 。
机械人技能线路的分袂是此外一除夜遏制 。不合构型的机械人在安过度 、连杆长度 、传感器分布和加快器的精度上各不不异 ，招致群集的数据很难迁徙独霸。
仅北京人形机械人立异中心数据基地 ，就倾销了7个品牌120台不合构型的机械人展开真机远独霸数据群集，只为适配不合机械人企业的不合数据请求。
“跨本体的数据若何复用 ，也是个问题 。”孔超进一步诠释道 ，如今机械人品种单一 ，本体外形不合较着 ，筹划筹划也多种多样 ，比如工整手筹划从两指到五指不等 。为一种机械人群集的数据，难以用于此外机械人，群集的数据难以共享倒运于行业展开。“这不是数据群集行业的问题 ，而是机械人行业百花齐放的下场 。假定要进步具身智能数据的疏浚性 ，机械人本身的构型标准也要绝对不合 。”
除不合数据标准以外 ，张立华认为还需求进步具身数据的高保真物理表达身手 。“机械人幻想下场要在真实全国工作 ，数据必须回响真实全国的干戈 、力学 、材质和因果相干。此外 ，数据评测也很次要 ，行业不克不及只看数据局限，而要看数据可否真正汲引了模型在真实使射中的成功率 、安妥性和安然性 。”
