机器人为什么需要另一套数据？

  • 机器人训练需要真实世界的动作信息。报告指出，语言模型可从互联网获取海量语料，机器人则需要“拿、放、走、抓、避障、操作”等三维动作数据，获取更复杂。
  • 三类数据各有成本与能力边界：真机数据最精准、成本最高；仿真数据成本低、可规模化；互联网视频和人类行为数据来源广、泛化性强，承担不同层次的训练需求。
  • 精准执行是模型走向应用的关键门槛。国泰海通证券罗通认为，通用模型与准确执行人类命令之间仍有较大距离，建立数据闭环是弥合差距的关键路径，真机数据因此更重要。

171亿美元预测对应多大的市场范围？

  • 这一预测覆盖全球数据采集和标注整体市场。报告援引Grand View Research数据，预计2030年规模达到171亿美元，统计对象并不限于机器人数据。
  • 机器人应用目标已延伸至基础设施建设。报告记载，OpenAI短期专注研发协助技术工人建设未来基础设施的机器人，长期设想是让个人机器人完成多种需求。
  • 数据供给的具体障碍包括效率低、成本高和通用性差。德马科技联合发布的OmniEgo数据采集全管线，目标就是打通规模化数据供给瓶颈，将采集能力组织成完整流程。

采集硬件已经走到哪一步？

  • 部分设备已进入验证和交付阶段。龙旗科技的机器人数据采集设备已通过客户验证，量产进程正加速推进；华依科技已取得部分客户订单，实现人形机器人IMU小批量供货。
  • 硬件在补齐不同维度的感知。华依科技围绕姿态控制、运动感知定位研发算法及硬件；福莱新材提供电子皮肤，为灵巧手、全身感知和数据采集终端增加触觉信息。
  • 采集也可脱离特定机器人本体。凡拓数创利用EGO、UMI等设备获取手物交互、人体动作与环境交互序列，形成跨本体数据，降低对单一硬件平台的依赖。

有了采集设备，怎样形成可用的数据闭环？

  • 场景建设已带来具体数据积累。天奇股份完成7000平方米采集与实训中心基础建设，搭建8个应用场景，采集30万条数据并初步清洗分析，下一步开发数据管理平台。
  • 垂直作业场景把数据与算法训练连接起来。玉禾田累计采集数万小时真实作业数据，建成环卫垂域数据集，形成“数据采集—算法训练—场景验证”闭环，服务环卫应用。
  • 数据积累还需要存储与处理配套。中科曙光的分布式全闪存储及相关技术可用于机器人海量多模态数据高速读写，已落地智元机器人等客户，支撑采集后的数据管理。