新华社上海9月24日电 中国经济信息社刊发的《中经社信号|从“遥操作”到“无本体” 具身智能数据迎有效性大考》报道称，数据是决定智能上限的关键“燃料”，数据采集是具身智能行业高质量发展的关键一环。当前，在具身智能数据方面，“量”的约束逐步缓解，行业关注点正从“有没有、够不够”转向“能不能用、是否好用”。
前不久，具身智能数据服务公司觅蜂科技宣布累计生产无本体数据超过100万小时。专注于具身智能“大脑”研发的穹彻智能也表示，约半年时间内，公司自采UMI（通用操作接口）数据超过10万小时，自采第一视角（Ego）数据达到万小时级。从依赖机器人真机遥操作，到UMI、第一视角、数据手套等无本体采集方式加速兴起，具身智能数据采集开始加速“上量”。
不过，数据“上量”只是第一步，从“上量”到“提质”，行业仍需跨越标准关、质量关，通过建立行业统一的数据标准，提升真实场景覆盖度，提高有效数据占比，让机器人真正学会“干活”。
无本体路线降低数据采集成本
训练语言大模型的数据能从互联网上获取，具身智能数据则需要在物理世界中产生，不仅要记录机器人“看到了什么”，还要同步记录“执行了什么动作”，以及“动作如何影响周围环境”。与拥有海量互联网语料的语言大模型相比，具身智能现有的高质量数据集规模，与训练所需的数据量相差几个数量级。
过去，真机遥操作是行业获取数据的主要方式之一，每个采集工位都需要配置机器人，数据产能受机器人本体数量、操作人员和场地限制。业内机构介绍，一年前，工作人员带着机器人工作8个小时，往往只能产出1小时有效数据，设备、场地和人工成本较高。
无本体采集试图解除数据生产与机器人本体之间的强绑定。目前主要有三类方案：UMI通过手持接近机器人末端形态的夹爪采集数据；第一视角数据采集则通过头戴设备、眼镜或相机记录人的裸手操作；数据手套则进一步加入触觉、惯性测量单元等传感器，捕捉更加精细的动作信息。
相比真机采集，这些路径的设备成本较低，部分方案还可以嵌入工厂、家庭等真实活动，在不脱离原有作业的情况下伴随式产生数据，数据采集由固定工位向分布式生产扩展。
目前，真机遥操作数据的报价约为每小时500-1000元，UMI数据为每小时数百元，第一视角数据已经降至每小时100元左右。尽管不同数据的信息密度和适用场景并不相同，但价格梯度仍反映出采集成本正在下降。
数据采集分工协作生态日益完善
不同数据采集路线并不存在绝对优劣。其背后是采集成本、生产效率、场景覆盖、动作对齐和信息完整度之间的取舍。
UMI数据在采集端能够与机器人夹爪部分更好“对齐”。但人手持夹爪后的操作效率通常低于裸手，不容易嵌入对生产节拍要求较高的工厂。
第一视角数据对人的正常操作干扰较小，更容易覆盖大量真实场景，成本和效率也更具优势，但仅依靠图像判断手部位置和动作轨迹，精度仍然有限。
数据手套则可以补充触觉、力度等视觉之外的信息，但目前设备仍然较为厚重，可能干扰人的正常操作，触觉技术和五指灵巧手本身也仍有待成熟。
有具身智能企业表示，公司现有数据以UMI数据为主，正是根据近期的机器人落地形态决定的。公司判断机器人二指夹爪有望率先实现作业落地。相比五指灵巧手，二指夹爪成本较低、任务空间较为简单，对触觉和模型能力的要求也相对较低。但随着行业发展，第一视角数据的使用比例可能逐步提高。
无本体数据、真机遥操作数据未来更可能形成分工协作：覆盖广、成本较低的无本体数据可以更多用于大规模预训练；进入具体任务、具体工厂和后训练阶段后，还需真机遥操作数据进行校准。
“有效性”成为新门槛
目前，具身智能数据交易市场热度逐步上升。
在需求端，机器人本体公司对于无本体数据的接受度越来越高，不少机器人企业通过“自己采+外部买”的方式训练具身“大脑”。一些大模型公司也在购买无本体数据。腾讯Robotics X实验室Tairos产品生态负责人朱亚娟表示，无本体异构数据有助于模型更好地理解物理世界，结合夹爪采集数据，可以在一定程度上减少对特定本体遥操作数据的依赖。
在供应端，由于采集门槛的下降，更多参与方“入局”。以无本体采集为例，除了数据公司，一些人力资源外包服务商也开始参与数据生产。这类企业未必具备模型研发或数据处理能力，但擅长招募和管理数据采集人员。业内人士判断，行业会逐步进入“众包时代”，未来会产生数据采集类的“零工”岗位。
然而，随着数据采集量提升，一系列问题也浮出水面。
一方面是数据标准仍需完善。行业所说的“标准完善”，并不只是文件格式或交付流程尚未统一。摄像头数量、数据格式、时间戳等技术指标相对容易规范，真正困难的是确定一套能用于跨模型和跨机器人本体的有效标准。
另一方面，数据容易复制，难自证和溯源。随着供应商数量增多，行业已经出现重复转售等现象。“同一批数据可能经过多次转手，在这种情况下，数据质量难以保证。”穹彻智能AI科学家吕峻说。
近年来受到较多关注的“具身智能训练场”模式，也面临更高标准的审视，业内关注点不仅是建了多少平方米场地、采购了多少台设备、记录了多少小时，而是这些场地能否真正接入多样化、复杂性高的任务。如果只是在受控空间内重复简单动作，数据的边际效益会快速递减。
因此，规模只是具身智能数据产业化的起点。多位从业者认为，随着粗放“上量”阶段过去，数据供应商未来的竞争也在发生变化。单纯比拼设备数量和时长账面数字的模式很难持续，真正的考验在于能否深入真实的工厂和生活场景，能否对采集人员和操作规范进行有效管控。数据需要与具体任务相适配，并根据模型训练和真机执行结果持续迭代，才能让机器人学会“真干活”。（记者杜康）
保宇配资提示：文章来自网络，不代表本站观点。
