编解码发布10万小时具身智能数据集:首期1000小时灵巧手数据免费开放
“ 让数据诞生更多可能性一个机器人学会拧螺丝,需要多少条数据?这个问题没有标准答案,但每一个做过真机训练的团队都知道,演示视频里那些流畅的动作,到了真实产线上往往撑不过一个班次。手部遮挡、触觉缺失、多模态不同步、任务步骤对不上,这些问题很少出在模型结构上,更多时候出在数据源头。2026年11月11日,以数商决定智商为主
“让数据诞生更多可能性”
机器人想学会拧一颗螺丝,得喂给它多少条数据?没人能给出标准答案。可真做过真机训练的团队都清楚,演示视频里再顺滑的动作,搬到真实产线上常常一个班次都扛不住。手部被遮挡、触觉信号缺失、多模态对不齐、任务步骤接不上,这些毛病大多不出在模型结构上,问题往往埋在数据源头。
2026年11月11日,具身智能群英会第二期在杭州智造谷产业服务综合体开场,这一期的主题是“数商决定智商”。编解码(杭州)机器人科技有限公司在会上亮出十万小时具身智能多模态数据集,首期1000小时灵巧手操作数据计划免费开放申请,具身智能数据实验空间同时启用。公司还宣布完成数千万种子轮融资,并与国家具身智能应用中试基地共同发起具身智能数据基础设施开放计划。
一家专做数据生产的公司,把产能、开源、场地、生态、资本五件事一口气摆到同一张桌子上,这在具身智能行业里并不多见。EnDecodeX编解码由青瞳视觉、杭州高新科创集团与灵巧智能联合孵化,光学动捕的采集底子、属地产业资本给的场地和钱、灵巧手本体的积累,正好各自对应这五件事里的一段。
这家公司究竟在做什么?10万小时数据是产能储备,还是放给行业的信号?1000小时灵巧手数据为何要免费开放?数千万融资背后,产业资本押的又是哪条路?
01.
模型越做越大,数据这一层怎么跟上?
回答这些问题之前,得先看一个更基础的行业变化:模型规模一路往上走,数据这一层正变成新的卡点。编解码选的下手处,就在这里。
“数据供给的难点不只在采集设备,更在于能否把现场转化为可读取、可检查、可复用的研发数据。”编解码CTO季耀辉接受机器人大讲堂采访时说,数据服务更像一场跟客户训练目标不断对齐的工程,交文件只是开头,训练目标、任务定义和评测口径都得在项目里反复磨。哪类任务要什么标注规格,模型厂商比数据公司更清楚;同一批数据到了不同客户手上,标注策略可能完全是两套。
所以行业里缺的不光是跑采集的人。能把任务、采集、质检、交付串成一条稳定生产线的人才是稀缺的;录完之后能被训练框架认出来、被不同本体复用、还能反复验证的那套标准件,同样缺。格式、坐标系、标注口径、质量规格,哪一项对不上,数据就落不了地。
编解码想做的,是“真实世界数据生产与应用落地服务商”。这个定位一落到操作层面,头一个撞上的就是数据供给的难题。供给的难点不只在采集设备,更在于现场能不能变成可读取、可检查、可复用的研发数据。编解码的解法是:先把数据做成产品。
那数据这个产品怎么做好?季耀辉从三个方面作了介绍。
头一条是采集现场的完整度。十万小时多模态数据集涵盖全身动作、手部精细操作、多视角视频、物体6D位姿、触觉与惯性等模态,其中一部分带真实物体交互。采集规格为120帧、亚毫米级追踪、角度误差不超过0.5度、多路传感器同步到微秒量级,留出的冗余是给后续模型迭代用的余量。
第二条是数据集的排布方式要优化。做模仿学习的团队要的是专家示范的完整轨迹;不同模型可以共享一部分底层真实记录,可它们需要的标注、任务分布和接口并不一样。拿去训练VLA等模型时,还得按任务补上或对齐语言指令。一套资源能不能服务多类研发需求,看的是采集时留住了哪些信息,以及后面能不能按用途切片、标注和导出。
交付环节干的事,是把标准件对齐到客户的训练管线。编解码按客户的任务和模态组合,以约定的数据格式与接口交付,同时提供数据说明、样例和必要的可视化与转换工具,帮客户省掉接入和预处理的功夫。具体处理流程和训练接入方式,要结合客户管线来定。
数据值不值钱,不在于录了多少,而在于能不能进客户的研发流程、在目标任务里验证出价值。撑起这套交付的是三块业务:多模态数据采集与处理,把现场变成文件;机器人真机任务评测,让客户的模型在真实设备上跑一遍并给出结果;具身生产力系统开发与部署,把跑通的那套装进客户产线。三块业务串成从数据到部署的闭环,评测也因此从增值服务变成了客户决策的依据。
说到底,数据的价值不在录了多少,而在交付之后客户能不能直接开训。编解码要打通的正是这一环。据了解,编解码目前已为宇树科技、智元机器人、光轮智能、湖北人形机器人创新中心、蚂蚁灵波、乐聚机器人等企业及机构提供数据采集服务。这些合作横跨模型方、场景方、本体厂商、数据供应商、科研团队和中小开发团队,帮编解码接上了行业供应链,也把持续的数据服务链路搭了起来。
02.
数字之外,结构、管线与质量更值得关注
编解码这次发布里最抓眼球的是“十万小时多模态数据资源”。具身智能行业习惯拿数据量比高低,可10万小时的分量不只在存量,它其实说明编解码已经有了一条正在成型的规模化数据生产线。
据了解,编解码眼下数据量已突破10万小时,每天新增的数据量与素材工厂、采集工位的部署数量成正比。这背后是一整套连续工程:采集方案、现场执行、同步对齐、质检清洗、标注规则、标准化交付和真机评测。
从资源结构看,编解码手上的数据包括灵巧手操作、两指夹爪、全身与手指协同、第一视角及上半身操作等类型,不同数据集按任务目标和采集配置来组织各自的内容。
这么看,编解码的重心或许正从“看起来像”的locomotion数据,往“真正能干活”的manipulation数据上挪。这跟具身智能对数据需求的变化是同一个方向。
机器人要落地,就得跟物理世界打交道,得操纵物体、道具和生产资料。末端关节的位置、接触点和接触面、物体的运动状态、灵巧手每根关节的配合、触觉数据的准确性,还有多模态数据的时间对齐,要求都会被抬得更高。
据悉,编解码能提供亚毫米级追踪,角度误差不超过0.5°,采集采用120帧等高帧率;交付给客户的不只是数据文件,还有可视化工具和可复现质量规格的工具集,客户可以在自己的环境里验证数据质量。
数据质量得拿得出来、验得了,光靠标称没用。编解码CTO季耀辉说,客户盯的质量指标并不止一个维度:模态覆盖全不全、有没有丢帧、采集对象是否超出范围、系统校准做没做、任务步骤和时间定义对不对得上,这些都在验收清单里。
再往深一层看,质量还体现在同样把任务做完,数据本身够不够好。他打了个比方:“专业舞蹈生与普通素人、几十年老师傅与新手实习生,呈现出的动作质量完全不同。”编解码的办法是两头走:一头按客户要求做标注和质检,另一头按高于眼下主流需求的标准留出前瞻性冗余。客户也许只用其中几个模态,可供应商得为技术路线收敛前的多路线竞争备足适配空间。
数据量只是露在水面上的那截冰山,藏在水下的是结构、管线、质量与交付方式这一整套工程。这大概也是编解码要长期啃的硬骨头。
03.
计划开源的1000小时
机器人大讲堂注意到,这次发布的另一个重头,是首期1000小时灵巧手操作数据开放免费申请。手部操作向来是具身智能落地能力的分水岭,也是数据采集里最难啃的骨头之一。手部动作牵扯多个关节协同,动作细微,手和物体交互时容易遮挡,接触点、接触面都难精确记录,触觉数据对同步的要求又高。行业里缺的,一直是高质量、可训练、可验证、可复用的灵巧操作数据。
季耀辉介绍,首批计划开源的1000小时数据拟从现有灵巧手操作数据中挑选,聚焦手指精细动作、手眼协同以及手与物体交互,面向模仿学习、动作重定向、精细操作算法研发与验证评测等需求。
开源的价值不只在免费,还在于让行业少走重复采集的弯路。这跟此前编解码联合青瞳视觉发起的MotionDecode数据开放计划是一个思路:先开放1000小时高质量人体动作数据,再逐步把数据往灵巧操作上延伸。从人体动作到灵巧手操作,开源重点也就从姿态走向交互,从看起来像走向真正能操作。对中小团队和科研团队来说,这类基础数据集能明显压低早期研发门槛;对行业来说,不同团队用同一批数据时反馈出的任务适配、标注方式和评测口径,有助于形成共识。
开源不是目的,是数据生态的入口。编解码想借开放计划收集使用反馈,把数据说明和质量要求补得更完善,推动行业在数据描述、标注方式和评测口径上多形成一些共识。具身智能的数据标准不会凭空冒出来,只能在大量真实使用中慢慢收敛。1000小时灵巧手数据开放,说到底是一次拿可复用换可验证的尝试。
04.
把场景和设备变成产业生态的基础设施
场景是数据采集绕不开的前提。搭真实场景、配采集设备、准备测试环境,研发团队通常得长期投入时间和资源。国家具身智能应用中试基地与编解码共同发起的“具身智能数据基础设施开放计划”,面向园区企业、高校和科研机构,免费开放物理AI基础设施空间。首批拿出商超、居家、物流分拣、餐厅四大实景场景空间,外加高精度多模态数采设备,覆盖数据采集、机器人算法训练验证和性能评测全流程。
共享片区的意义,在于创业团队不必先建一个商超或餐厅才能验证算法。这可以理解成一种“共享片区”思路:把单个企业难以低成本重复建设的场景、设备和采集条件,变成产业生态里可申请、可使用的基础设施。创业团队能更快进真实场景验证;科研团队能在真实场景里完成数据采集和机器人任务验证;对编解码来说,开放计划既是连接产业需求、拓展科研协作的入口,也是让数据服务能力在真实项目中不断积累的方式。
同一天启用的编解码具身智能数据实验空间,则给出了更具体的落点。现场能看到机器人遥操作、大场景数采场地和单人数采工位,涉及UMI夹爪数采、Ego纯光学数采、Pulse系列光惯融合数采、3D物体扫描重建等场景,商超零售、餐厅、卧室、物流分拣等场景也一并配套。
据了解,编解码已经搭起一套灵活的数采软硬件组合:把触觉手套和光学、惯性传感器合到一起,做成集触觉、IMU和光学marker于一身的综合手套;光学与惯性互相补位,针对的是光学遮挡、惯性长时间漂移这类痛点;同时它也以开放姿态接入客户或生态伙伴的轻量第一视角采集硬件,事件同步和时间对齐交给编解码来做。机器大讲堂的看法是,编解码并不死守某一条硬件路线,真正要解决的是多模态整合、时空同步和工程化交付。
05.
产业资本联合下注数据基础设施
据机器人大讲堂了解,编解码三家孵化方的产业能力各有侧重,这很大程度上能补上数据采集的短板。青瞳视觉依托光学动作捕捉技术,在空间感知、运动感知与物理感知等方面攒下技术积累;杭州高新科创集团提供产业平台、产业空间及场景资源;灵巧智能具备灵巧手与机器人应用落地能力。三家分别连接数据生产中的采集、场景与应用环节。
产业资本押注的并非某一家数据公司,而是一条数据基础设施的路径。青瞳视觉CEO、编解码投资人张海威就说过,青瞳视觉做设备多年,从VR、动画一路做到机器人和大健康,他清楚设备厂商要把系统做好,就得深入理解客户怎么工作、怎么产生数据。在他看来,只要数据规格清晰、质量经过验证,又能持续跟上客户项目的新需求,数据服务就有望形成持续性收入,在具身智能的浪潮里也会释放更长期的价值。
编解码想把数据管线从0-1的建设初期,推到更鲁棒、更耐用、更好用的产品化状态,进而持续提升对主流机器人型号、技术路线、模型规格和训练管线格式的兼容性,用真实案例证明数据价值,再把案例做成可复制方案。最终,真正把数据变成一门能为行业带来增量、并且持续带来收入的好生意。
06.
具身智能需要真正的数据基础设施
眼下具身智能数据行业最大的现实,是技术路线多、资源分散、标准未收敛。解决方案多,意味着大家都有竞争机会,也意味着资金、人才和精力被摊到多个方向。对数据供应商来说,技术路线未收敛是痛点,也是机会。如果数据基于真人、无本体采集、不绑定具体机器人型号,又覆盖多模态并保持高质量时空同步,那么不管未来哪种技术路线收敛,优质数据都有机会被适配和复用。
10万小时编解码储备、1000小时灵巧手开源、四大场景共享片区,再加上数千万种子轮融资,几件事摆到一起,就串出了一条路:从数据生产走向生态开放。先用高质量采集和工程化管线把数据产能证明出来,再靠开源数据集压掉行业里重复采集的成本,用共享场景片区把科研和产业接上,拿资本补齐一站式服务能力。说到底,编解码想打通的,是一条从数据到落地的商业模式。
具身智能要从Demo走到落地,光靠孤立的数据包不够。各行业的knowhow和特性摆在那,决定了它必然是一套能训练、能验证、能复现、能交付的数据基础设施。编解码落地智造谷,发布的是一个“万小时”的新坐标,以真实世界数据为起点,头一回把数据生产、真机评测、场景开放和产业协同摆到同一张桌子上。
这条路不会短,方向却已经清楚:编码真实世界,最终是为了解码物理智能。