▶ 本报记者  刘琴

　　作为人工智能（AI）与机器人技术结合的前沿领域，具身智能产业正在从实验室技术验证迈向实际场景规模化应用，但高质量数据的短缺成为制约其快速发展的核心瓶颈‌。如何破解这一难题，成为业内热议的话题。记者就此采访了具身智能领域多位专家。

　　数据采集为何难

　　“数据是具身智能产业的核心生产要素与‘燃料’，是算法、算力之外决定智能系统能力上限的关键变量。”湖北人形机器人创新中心首席运营官刘传厚介绍说，具身智能模型需海量多模态数据（视觉、力觉、触觉、运动轨迹、物理交互等）训练，数据的规模、质量、多样性直接决定模型感知、决策、控制能力与泛化性。当前，具身智能机器人与人类对话聊天时，有时会“答非所问”；跑步时，会因自身不稳而摔倒……这些都与缺乏高质量数据有关。

　　“对于具身智能而言，数据是连接虚拟与物理现实的‘桥梁’。”城市之间（北京）科技有限公司副总经理兼具身事业部总经理薛清恒表示，高质量数据决定了具身智能的泛化能力，只有丰富、高质量的数据才能让机器人在面对从未见过的场景、物体或干扰时，依然能做出正确的物理操作。

　　高质量的数据对提升具身智能机器人性能至关重要，但采集高质量数据面临多重挑战。

　　乐聚（深圳）机器人技术有限公司常务副总裁柯真东介绍道，采集高质量具身智能数据有五大难点。首先，采集成本高，需要专门的硬件设备和人员；其次，采集效率很低，采集和训练流程需要大量时间；第三，不同传感器有不同的数据格式和标准，导致数据难以共享和使用；第四，具身智能涉及多种感官和信息，采集和处理这些数据非常复杂；第五，行业标准不统一，导致采集到的数据质量很难保障。

　　“物理世界交互的复杂性、高成本与异构性等特征，导致具身智能数据采集难度极大。”刘传厚说，数据采集需部署人形机器人、机械臂、多模态传感器等专用硬件，而单台人形机器人成本高达数十万元，采集1万小时数据需上百万元软硬件投入。此外，真实场景环境复杂，具身智能数据采集需改造场地适配多场景，规模化场景部署成本高与难度大。

　　在北京人形机器人创新中心具身天工事业部负责人、具身智能机器人数据与训练基地负责人蒋未来看来，高质量数据采集主要面临三大难点：一是场景碎片化，真实环境千差万别，每个变量都在考验算法的泛化能力；二是不同构型的机器人传感器布局、关节自由度、控制接口各不相同，导致不同构型的数据难以迁移；三是数据质量参差不齐，数据采集涉及动作捕捉、多模态同步、人工标注等环节，任何环节偏差都可能产出“低质”数据。

　　采集方式各有千秋

　　据了解，目前主流的具身智能采集方式主要有3种：真实物理遥操作、仿真合成数据以及互联网视频学习/人体动作捕捉。

　　薛清恒介绍说，真实物理遥操作采集方式数据质量最高，但采集效率极低、成本极高，难以在短时间内获取百万级数据；仿真合成数据采集速度快、成本低，但仿真中的物理参数往往与现实不符，导致在仿真中训练好的模型在现实中往往“失灵”；互联网视频学习/人体动捕采集方式成本相对适中，但视频数据缺少“动作标签”和“力觉信息”，数据利用率较低。

　　薛清恒表示，现阶段，没有单一的有效数据采集方式，需要采用“虚实结合，预训练+微调”的复合模式。

　　蒋未来认为，人形机器人要想真正走进千行百业，就需要海量、多样、高质量的数据“原料”。真机数据是机器人智能从虚拟走向现实的必经之路，能够精准还原力觉反馈、触觉信息、环境干扰等仿真难以复制的细节。此外，真机数据还能有效解决“分布偏移”问题，机器人可以学习适应各种环境特征与突发情况，从而真正实现从实验室走向现实世界的跨越。

　　柯真东认为，更有效获取高质量数据的策略是分级训练和分层数据，即用低成本的数据做预训练，用高质量的真机数据做精调和落地微调。

　　在刘传厚看来，“仿真数据打底扩量+便携式轻量化采集+真机少量精调+Ego-centric（第一人称视角）多模态数据采集补全场景理解”的融合数据采集路径最有效，可平衡数据质量、成本与规模，是当前行业主流演进方向。

　　“三位一体”破解采集难题

　　如何破解高质量数据短缺难题，推动具身智能产业发展？

　　刘传厚表示，在技术层面，需要攻关仿真与迁移技术、发展数据生成与增强技术、创新轻量化采集技术等，从而提升数据供给效率；在产业生态层面，通过建设国家级数据基础设施、构建数据共享与交易生态、推动场景开放与协同采集等方式，实现共建共享，打破数据孤岛；在政策与资本层面，通过出台专项扶持政策、引导资本精准投入、设立产业基金等方式，支撑和引导产业发展。

　　刘传厚认为，各类企业要进行差异化布局。头部企业要聚焦仿真技术、世界模型研发，建设自有数据采集平台，主导行业标准制定，构建数据壁垒；中小企业要聚焦细分场景数据采集、标注服务，或参与开源数据社区，通过差异化竞争推动产业发展。

　　薛清恒表示，破解具身智能数据采集难题，需要构建数据基础设施、算法范式革新、产业协作机制“三位一体”解决方案。一是要构建标准化与开放的数据底座；二是在算法层面，大力发展“世界模型”与仿真技术，让数据采集从“劳动密集型”彻底转向“算力密集型”，还要加强机器人的“自监督”学习，让机器人通过自主探索生成数据，在与环境交互中自动学习物理规律；三是推动硬件层面的成本下降与一体化设计。例如在硬件出厂时就预置标准化数据采集接口和传感器套件，让每一台机器人都能成为“数据采集员”，形成“部署—应用—数据回流—迭代”的商业闭环。

　　“破解具身智能数据短缺难题的核心逻辑是，开源打破数据孤岛，普惠降低行业门槛，生态聚集开发者，闭环实现可持续发展，共同推动具身智能产业发展。”柯真东说。