机器人训练数据缺口怎么补:仿真与EGO数据上量,低质数据隐忧浮现

资讯 搜狐科技 全文 2348 字 · 约 6 分钟读完 分类OpenAI机器人具身智能

张衡认为,机器人训练肯定需要大规模的物理交互的可信数据,而机器人真机在现实世界里采集的数据成本过高,采集的速度也太慢了。张衡认为,现在具身智能的训练范式还在高速变化,特别是像 OpenAI的大语言模型展现出…

所属频道 大厂动态机器人与具身智能

“物理AI要普及,真机采集数据的占比会一路往下走。”

这句话出自谋先飞Motphys创始人兼CTO张衡,他近日接受第一财经记者采访时给出了上述判断。机器人训练离不开海量数据,可真机采集成本太高、效率又低。

另一边,物理仿真引擎越做越强,虚拟世界里能无限生成带物理反馈的数据;人类戴着眼镜、触觉手套等设备采出来的Ego数据也在爆发式增长。训练数据短缺的问题因此缓解了不少,不过低质量数据泛滥的苗头也跟着冒了出来。

真机数据的缺口,靠什么来填

大语言模型的数据来源很丰富,互联网上的文本、视频都能用。海量和易得这两点,正是大模型突飞猛进的底子。

机器人要的真实数据就没这么容易了,采集难度高出好几个量级,这也成了具身智能迟迟难以突破的关键瓶颈之一。

张衡的看法是,机器人训练肯定需要大规模、可信的物理交互数据,可真机在现实世界里采数据,成本过高,速度也太慢。这种情况下,仿真数据就成了不可或缺的替代方案。

面向机器人研究的物理仿真引擎里,谷歌有MuJoCo平台,英伟达有Newton平台。谋先飞是一家国内做物理仿真引擎、具身智能训练与数据生成的企业,它的解法是:先用少量真实数据,在仿真器里做数据扩展和增广,再做强化学习训练,最后部署到真机,实现零样本迁移。

机器人仿真建立在物理规律之上,重力、摩擦、流体力学都算在内。可仿真数据搬到机器人身上,往往和现实对不上,这就是所谓的“仿真与现实(sim2real)差距”,国内国外的物理仿真引擎平台都在攻这个问题。

“随着物理仿真引擎越来越强大,可以用极低的成本,在虚拟世界里无限生成这些带触觉、带真实物理反馈的数据,也可以理解为用算力换取高质量的机器学习数据。”张衡说。真实物理世界的数据和仿真数据并不是非此即彼,关键是用更低的成本产出更高质量的数据。

真机数据短缺留下的空白,EGO数据的爆发式增长同样补上了一块。

采EGO数据时,人类操作员会戴上头戴式相机、装上触觉传感器的手套等设备,把叠衣服、烹饪这类任务中操作者的画面、手部动作和环境信息记录下来。

觅蜂科技董事长姚卯青不久前接受第一财经等媒体采访时回忆,去年下半年已有企业用上20万小时级别的UMI数据——这类数据来自手持夹爪加第一视角相机采集的人类真实操作演示;到今年,不少公司都对外宣称自家数据规模到了百万小时级别。

这类数据的增长曲线很陡。觅蜂科技做的是具身智能数据采集和供应平台,姚卯青说,公司服务的不少数据用户和模型公司都想冲到千万小时的数据规模。“可以预见未来一段时间里,对高质量、非常真实场景、丰富场景的高质量物理数据要求还是非常强劲的。”

真机数据、仿真数据、EGO数据,各有各的长处,也各有各的短板。

张衡的看法是,行业盯着数据量,可质量和多样化同样是关键。多样化做到位,规模小一些,泛化效果未必差。他判断数据行不行,就看放进“真机实验”后的成功率和效果。

张衡判断,未来的大趋势是:物理AI的普及,需要真机采集数据的占比会越来越低。

糟糕的数据是怎么来的

真机采来的数据,也未必就有效。

觅蜂科技真机操作团队近日发布论文《真实机器人数据质量背后的隐藏变量:数十万小时数据带来的经验》,基于20万小时以上真机数据、2万多个任务记录的工程积累,把影响真机数据质量的隐藏因素逐一拆开,也算部分解释了“隐形坏数据”是怎么被生产出来的。

论文里提到一次机器人拾取积木的对比试验。一种操作是,积木放在机器人初始视野之外,操作员靠自己的肉眼判断积木在哪,机器人记录到的画面里并没有操作机械臂的依据,用这类数据训练出的模型,机械臂操作准确率约50%,跟随机行为差不多;另一种操作是,操作员和机器人同视角,一起看着积木位置,确认之后再操作机械臂,用这类数据训练出的模型,手臂操作准确的概率提高到100%。

这个实验说明,一条好数据不光要记录“机器人做了什么”,还得记录“机器人为什么这样做”。后训练数据有没有效,取决于观测有没有覆盖决策依据。画面里要是没有选择动作需要的信息,后训练出来的模型学到的就不是“先观察再行动”,而是在信息不完整时随机乱选。

放到EGO数据上,最明显的问题是无效的重复数据太多。

市场上有说法称,有企业买了100万小时数据,最后能用的只有10%到20%。姚卯青表示,这是真实发生的事情。

不少数据采集商仍处在“盲采”状态:没去细究具身智能企业到底要什么,先按自己预设的场景、方式、设备和管理人员的那套办法,把数据库建起来。等真正交到用户手里用起来,数据对不上的毛病就露出来了。姚卯青说,有些数据同质化严重、附加值不高,像单目、室内场景的裸手数据,叠衣服这类尤其容易拿到,市面上已经泛滥;还有人把数据卖过一遍之后,再低价拿到市场上重复卖。

设备这块,一些采集商本身也没想清楚该怎么定义,跟风的玩家居多。姚卯青观察到,近期不少企业还在采单目、Pico 数据,可市场主流需求已经转向多目、双目、立体、触觉、全身等方向。自研设备在技术和资金上的门槛都不低。

国内仿真数据的短板同样突出。物理仿真绕不开的一个核心难题是“软体算不准”:机械臂这类刚体的仿真已经比较成熟,但流体(比如倒水)和柔性体(毛巾、衣服)的精度还差得不少。张衡说:“如何在极小的时间预算内,把复杂的物理形变算得又准又快,是行业下一阶段的技术挑战。”

机器人会在解决这些问题的过程中逐步进化。张衡认为,具身智能的训练范式眼下仍在快速变化,OpenAI 的大语言模型已经展现出高层控制能力,未来机器人从上层到底层的 AI 控制策略怎么走,还需要继续观察。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. WISE2026年度人物名册发布:产业攻坚者名单与方向

    在世界尚未完成的地方,在关键产业的深水区,人们通过行动留下各自的回答。一个人的名字,由此有了属于他自己的分量。“在行动和言说中,人们表明了他们是谁。”汉娜·阿伦特在《人的境况》中讨论人的独特性,而商业世界习惯以浪潮辨认一代人。人工智能、具身智能、硬科技,几个词便能勾勒当下创业的轮廓。2026年,这些词正在落到具体的人身

    来源 腾讯网
  2. OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活

    OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以

    来源 AI 开发者社区
  3. 全球算力进入“后黄仁勋时代”

    国产算力需求升温,资本从具身智能向半导体转移作者/ IT时报 毛宇编辑/ 郝俊慧 孙妍黄仁勋离开英伟达的方式,比市场预想的更突然。当地时间11月12日,黄仁勋辞去总裁、首席执行官及董事会成员职务。11月17日,他公开发表声明称,如果董事会认为他的回归符合利益,他愿意重新出任CEO;但同一天,董事会主席哈维·琼斯在20.

    来源 腾讯网
  4. GPT-6.2自己造出全新证法,94分钟拿下20年前顶刊定理首证

    刚刚,第三方评测机构Vals AI放出了高难数学基准Autoform-Hard的最新榜单。 56道博士与科研级数学难题,此前10个前沿大模型去测,结果一道都没做出来。 而在这轮测试里,Claude Fable 5.2和GPT-6.2 Sol双双做对48道,打成平手。 唯独GPT-6.2 Astra多做对了第49道题,拿

    来源 AI 行业观察
  5. GPT-6.2 Astra解出Smoktunowicz定理:94分钟写出全球首个形式化证明

    Vals AI最新高难数学基准测试中,GPT-6.2 Astra以87.50%的准确率登顶。面对Lean公共数学库缺失的三个关键定理,Astra自主定义“容量”这一新数学工具,绕开原论文证明路线,仅用94分钟、1794行Lean代码,完成Smoktunowicz间隙定理的全球首个形式化证明。

    来源 华尔街见闻
  6. 问诊AI?一场死亡背后的追问

    2026年2月,美国西雅图,31岁的华人女工程师万博雯被发现死于公寓。法医鉴定为癫痫猝死,她体内抗癫痫药物拉莫三嗪的浓度,仅为治疗下限的五分之一。 警察介入调查后发现,她曾咨询ChatGPT如何用药并按照其建议擅自修改了医生诊断的用药剂量。 她至少158次向其表达过对减药的担忧,描述过意识混乱、时间感丧失等症状。但每一

    来源 AI 行业观察
  7. 机器人数据困局:真机采集成本高,低质数据为何泛滥

    “物理AI的普及,需要真机采集数据的占比会越来越低。” 近日,谋先飞Motphys创始人兼CTO张衡接受第一财经记者采访时作出上述判断。机器人训练需要海量数据,以真机方式采集数据成本太高、效率也很低。 物理仿真引擎越来越强大,可以在虚拟世界里无限生成带物理反馈的数据;人类佩戴眼镜和触觉手套等设备所采集的Ego数据也..

    来源 腾讯网
  8. Anthropic开4年4000万美元抢本科生,OpenAI被曝最难熬的一周

    一个刚走出大学校门的计算机本科生,已经被开出了4年4000万美元的天价股权。 折算下来,一年就是1000万美元,约合人民币6700万元。(四年就是2.7个亿) 在硅谷热门播客All-In最新一期节目里,投资人Jason Calacanis爆出了这桩由Anthropic开出的抢人猛料。 讲完这笔报价,他当场向老搭档Dav

    来源 AI 行业观察
  9. 智元精灵G2进驻手机测试产线,蓝思科技与智元达成战略合作

    IT之家 11 月 21 日消息,智元创新(AGIBOT)与蓝思科技达成战略合作,于手机测试产线部署智元精灵 G2 机器人,数十台机器人同时进行测试工位自动上下料、测试设备交互等工作。 据介绍,精灵 G2 可实现手机产品全自动转运、智能分拨与高效上下料。对比传统自动化设备,精灵 G2 通用本体可兼容多条作业产线,大幅降

    来源 AI 行业观察
  10. OpenAI dots助理开放测试:自带云电脑,独立标签页同步开测

    在 OpenAI 的设想里,AI 助理不该被锁在对话框里。11 月 20 日,其核心产品负责人蒂博·索蒂奥在 X 平台宣布,邀请少量 ChatGPT Plus 用户测试 dots,同时向所有 Business Standard 用户开放。这款 9 月 DevDay 2026 上亮相的全天候智能助理,

    来源 AI 开发者社区
  11. OpenAI的dots走出聊天框:自带云电脑,向Plus用户开放测试

    OpenAI 正推动 AI 助理脱离对话框。11 月 20 日,产品负责人蒂博·索蒂奥宣布,dots 邀请少量 ChatGPT Plus 用户测试,并向所有 Business Standard 用户开放。该全天候智能助理于 9 月 DevDay 2026 亮相,正从演示品走向实用。其最大特点是自带“云电脑”,区别于传统

    来源 AI 产业速递
  12. OpenAI前沿训练安全框架:夜间告警无人应答即自动暂停

    OpenAI于2026年11月18日发布前沿模型训练安全案例框架,要求训练运行在推进前通过对齐、遏制、监控三维度审查。核心机制包括夜间优先安全告警无人响应时系统自动暂停,以及新问题导致安全案例失效即须暂停。该框架借鉴航空与核电行业实践,明确限定于前沿强化学习训练阶段,目前仍属 aspirational 北极星

    来源 AI 科技快讯
向下滚动自动加载更多