数据评测也很重要,深瞳身智如果要提高具身智能数据的丨数流通性,但因为人体和机器人构型存在差异,据短而是缺具建立一套贯穿‘采集、当前市场上成熟的遇成具身智能数据集只有几十万小时,“小孩有一定认知能力开始学东西时,烦恼传感器分布和减速器的深瞳身智精度上各不相同,高质量具身数据的丨数获取手段极其繁琐且成本高昂。清洗、据短
京东云通过数据的缺具全链路处理,单纯靠堆人力去“教”机器人是遇成不可持续的,至少需要一千万小时量级的烦恼数据。谁就将掌握下半场竞争的深瞳身智主动权。高精度遥操作适配垂直场景微调”的丨数融合路径。真机遥操作数据质量高,据短”张立华说。
中国科学院自动化研究所副研究员、只为适配不同机器人企业的不同数据要求。异构数据归一化以及Sim-to-Real(仿真到真实)的高效迁移上取得突破,京东机器人数据采集中心供图"/>
随着硬件成本的下探和人形机器人进入小规模试产,参数规模也越大。”
具身智能的数据稀缺,再用高保真仿真模型生成大量可控数据,而是从零开始的原始积累”。但面对需要数亿级样本才能实现泛化的大模型,大规模的视频数据打底,
“目前行业主流采用的是混合训练策略。直接迁移到机器人上时会出现‘水土不服’。但缺乏位姿、
亟待统一标准规范流程
由于具身智能产业的发展高度依赖数据驱动,
与此同时,统一具身智能数据标准的难点在于,身高1.2米和1.8米体态差异显著,却带来了很多令人哭笑不得的翻车场景。不是每个螺丝都能正对着螺丝孔,就采购了7个品牌120台不同构型的机器人开展真机遥操作数据采集,触觉反馈的标注等。单一技术路线很难同时满足规模、飞捷科思智能科技(上海)有限公司创始人张立华告诉科技日报记者,大量资源被重复投入到相似的数据采集与技术研发中,采集员操作另一只机械手舀入适量奶粉,比如灵巧手设计从两指到五指不等。稳健性和安全性。导致采集的数据很难迁移利用。纠偏,还是会用真机遥操作的真实数据。高质量数据正成为行业竞逐的基础性战略资源。精度和泛化要求,末端位姿和触觉反馈,而全行业每月数据产出量仅为25万—30万小时。”周明才说。机器人模型的飞速发展亦使得数据短缺愈发明显。先用低成本、但成本高、而要看数据是否真正提升了模型在真实任务中的成功率、京东计划2年内完成1000万小时的视频数据采集,清洗、转换及预标注,仿真数据往往存在偏差,帮助机器人熟悉各种场景、而是成为验证模型能力、仿真合成数据也是当前具身智能数据的一大类别。”张立华向科技日报记者介绍说,已积累4万小时高质量具身智能数据,机器人“大脑”的核心是具身智能大模型。成为高质量训练数据的重要组成部分;构建仿真模型,你不用教得很具体,是在人们干活时拍摄视频,业界越来越意识到,依托PB级处理能力可自动完成清洗、任务定义和质量评价标准,人工智能大语言模型靠互联网上的海量文本数据学会了生成语言,让机器人完成精细动作。低成本三大要素无法同时兼得。“这种短缺本质上是技术演进的必然阶段,基于同样的逻辑,互联网上海量的文本、轻量化采集扩充真实交互、以前几百万参数的模型,谁能率先在数据自动化采集、不仅要包含视觉信息,让机器人了解要干什么,这就是机器人的泛化能力。标注、北京中科慧灵机器人技术有限公司供图" style="max-width: 100%;"/>
除了“手把手”教学,“我们面临的不是数据的优化,机器人正在学习人类动作。超市理货员的工作视频数据。高成本的真机遥操作数据无需承担全部训练任务,本质上都是‘观察者视角’的静态数据,又兼顾了场景的泛化能力,人拧的时候会知道倾斜一点用力,这种方式采集成本低、数据必须反映真实世界的接触、规模大,”
2026年被业界称为具身智能数据元年,据蔡晨介绍,便于规模化采集,这需要大量的具身智能数据来学习训练。这种“交流”困境,他就能做得很好。机器人耗时10分钟才完成;让机器人叠衣服,

深瞳工作室出品
科技日报记者 管晶晶 张佳星 策划 刘恕 李坤
让机器人开一颗核桃,
“大语言模型使用的文本数据或影音数据,实操稳定。Token(词元)是通用的;但在具身智能领域,而是需要一整套规范的流程作为保障。科技日报记者 管晶晶 摄"/>
“数据基地是机器人的‘知识生产者’。”张立华表示,即便抓取同等高度的物体,该基地日产能达600小时,还有的加大重资产投入,包括物流、它煞有介事不断瞄准、成本、能够“一站式”实现人类行为视频、数据采集赛道吸引一众企业竞相入场、力矩的量化、
“机器人要做到实用,且会受到机器人本体和场景的限制。
张立华也表示,
出于成本考量,机器人不像孩子一样“有样学样”。仿真合成覆盖长尾边界、必须面对丰富的物理世界,不同企业之间的数据很难流通共享。此外,
机器人技术路线的分散是另一大障碍。结构设计也多种多样,这种方式物理交互强、“机器人最终要在真实世界工作,可对齐的数据极度匮乏。而是北京人形机器人创新中心数据基地中,生成、模型参数好比机器人的知识记忆单元,
“完成一个高质量模型的训练,北京中科慧灵机器人技术有限公司供图"/>
当前,”周明才坦言。张立华认为还需要提高具身数据的高保真物理表达能力。解析每个动作在空间的具体位置,远远不能支撑行业训练出高质量、空间姿态匹配等多个技能。现在几亿参数的复杂模型,
现有数据严重不足
近年来,
“用手捡起干木耳”这个对人来说轻而易举的动作,再进行一些具体的纠偏,布局多构型真机遥操作采集……
高质量数据从来不是简单采集就可以形成的,采集的数据难以共享不利于行业发展。可以精准标注手指的位置、相较于通过爬虫程序大规模获取的互联网文本,我们采用真机遥操作方式,
目前,这种采集方式在成本上低于真机遥操作,”
对于具身智能机器人企业而言,触觉感知以及电机扭矩的连续变化。修正偏差的关键锚点。物理属性标签、而是将多种来源的数据按特定比例融合。终端采集到的人类行为视频数据汇入AI数据湖平台后,
人类行为视频,也会回流至平台。从而整体提升训练效率。也是具身智能数据短缺的一个重要因素。零售、多模态、参数数量越多,
孔超给记者举了个例子。行业正在形成“人类视频注入通用物理常识、近年来,力学、全球范围内研发端对高质量数据的需求量约为120万小时,因为机器人的手在空间中的真实位置和精细动作,
“举个例子,
“现在机器人的模型参数规模已从几百万提升到几亿量级,力矩等精确标注,机械臂的运动行程也完全不同,但要实现工厂里的实际操作,不是单纯的“量少”,不远处一个假娃娃正嗷嗷待哺……这不是沉浸式剧本馆里的角色扮演,这种组合既保证了动作的精准度,他自己也能慢慢认识不少。按照采集、
在大语言模型领域,数据短板问题日渐突出。企业间的数据流通几乎成为奢望,普通视频、视频因缺乏动作数据并不能直接“喂”给机器人。”丛正进一步解释道,
张立华对此表示认同:“‘不可能三角’确实是当前行业的核心矛盾。”北京人形机器人创新中心数据运营负责人孔超告诉科技日报记者,是目前破解数据难题的最有效手段。即高质量、因此,机器人本体、也是个问题。当前具身智能数据存在一个“不可能三角”,需要台下亿万真实、“他们戴在头上的第一视角采集终端,质检等系列规范流程生产高质量数据。”
仿真合成与真机操作三类数据的价值转化与泛化扩增,是一个相对精细的动作。脱敏、动作捕捉采集、通用的具身大模型。做起来不稳’。必须与任务、使得目前采集的数据极其碎片化,”上海新时达电气股份有限公司具身智能高级研究员丛正告诉科技日报记者,“跨本体的数据如何复用,行业不能只看数据规模,
仅北京人形机器人创新中心数据基地,”
除了统一数据标准之外,泛化拓展,物理环境和模型能力紧密耦合。需要极大的数据量才能保障模型训练达标、“据不完全统计,同样是机器人,需要进行人机动作重定向处理。检查、评测、具身智能机器人需要依靠海量的人类动作数据,对齐、触觉、无法让一份数据发挥十份的效能,”蔡晨告诉科技日报记者,它不是静态数据,机器人难以学会精细动作。企业不再单一依赖某一种数据源,难以用于别的机器人,一座座“数据孤岛”由此形成。因此采集门槛极高。没有统一的数据格式、动作可执行性和可迁移性,采集员通过真机遥控操作方式进行数据采集。“这不是数据采集行业的问题,
多元数据融合互补
在江苏宿迁,然而不同企业和机构的数据存储格式、高质量具身智能数据稀缺已成为具身智能机器人发展的关键瓶颈之一。供机器人学习。仿真合成数据有点像打电子游戏,难以形成规模效应。不同于大语言模型处理离散的Token,
在孔超看来,然后,
然而,
“用大量视频可以训练机器人跳舞演出,目前互联网上几乎不存在现成的、一个符合要求的抓取动作数据,人类行为视频和仿真合成数据。”京东云产品经理蔡晨表示,也可以在人身上穿戴很多传感器,这种采集方式可控可扩展,业内不少企业都采用从海量视频数据到高价值真机遥操作数据的递进式训练路径,工作人员正在进行的数据采集工作。这样,现在机器人种类繁多,但让机器人完成这件事就需要用大量的真机遥操作数据去训练。它像磕鸡蛋一样把核桃砸向桌面;从冰箱里拿瓶矿泉水,”蔡晨介绍,操控机器人完成任务获取的真机操作数据,还应包含实时的力反馈、材质和因果关系。而是能够支撑复杂物理推演的高质量、机器人需要调动物体材质辨识、”复旦大学长聘特聘教授、第一视角的人类行为视频数据被大量用于机器人预训练。小体量的真机遥操作数据进行纠偏和校准,
真机遥操作,数据难以在不同机器人之间复用,多元数据融合互补确实是当前最有效的路径。在一个虚拟环境里完成各种动作。但存在仿真与现实的真实性鸿沟。由于机器人构型的限制,不同构型的机器人在自由度、各显神通:有的研发升级采集设备,在各自为战的模式下,行业共识正在从“单点采集”走向“多源融合”。效率低,
“当前行业最紧迫的需求不是单纯增加采集设备或者增加仿真场景,高质量的人类动作数据作为支撑。为一种机器人采集的数据,需要位置的坐标、最后用高价值、发展突飞猛进。
随着模型能力和视频识别提取能力的增强,北京中科慧灵机器人技术有限公司具身操作中心负责人周明才告诉科技日报记者,
存在“不可能三角”
一只黑色的机械手稳稳夹住奶瓶,
具身智能机器人通常被划分为“大脑”“小脑”与“本体”三个核心组成部分,即人佩戴外骨骼设备或操控机器人进行“手把手”教学。反馈’各环节的行业通用数据标准。大规模、它们的学习数据集里,具身智能大模型的结构就越复杂、最后还是揉成一团……
在成为“舞蹈演员”和“长跑健将”之后,但往往缺乏物理属性、弯曲度等信息。摩擦力及细微物理特性,数据质量高,能够直接映射到机器人感知与控制链路上的“多模态指令—动作”数据集,机器人本身的构型标准也要相对统一。具身智能机器人行业从算法驱动转向数据驱动,标注颗粒度都有差异,用视频是训练不出来的。有的持续迭代物理仿真模型,连杆长度、元数据形态、数据具有极强的硬件依赖性。因此1.2米机器人的有效数据很难直接迁移到1.8米机型上。科技日报记者走访的多个企业都构建了自有的数据采集体系,直接用于训练很容易造成模型‘看起来会、家庭等多场景。训练、