揭秘数采工厂：稀缺的机器人数据，到底难在哪儿？｜机器人特辑【硅谷101】

这期视频作为入门还行，但还是有所偏颇：国内大量做真机数采是因为某些公司喜欢吹出货量的叙事，叠加25年UMI、Ego路线没有起来地方政府助力推动数采厂建设，所以走真机路线的看起来很多。实际上25年下半年到今天，国内的Ego模式早就已经跑起来了，这条路线的对于预训练的泛化性提升是显而易见的，大量Ego+少量真机就有非常好的效果。更不要说视频避而不谈的真机数据无法跨本体复用的问题。总的来说这期视频跟以往的很多视频相比水平有所下降，没能很好的呈现目前具身数据的现状、需求、问题以及解决思路，立场过于明显了。

♥ 19 ↩ 5

这个真的有点更诡异啊。为什么配的视频都是人型机器人。 至今完全不理解人型机器人的用途在哪。

♥ 22 ↩ 31

我觉得机器人数据采集应该先把机器人部署到一线的工厂，物流等将来可能最先大规模应用机器人的区域，一方面可以提前商业化，另一方面可以实时收集真实数据反馈，进行快速迭代

♥ 10 ↩ 10

我有一计

♥ 8

robotics的一个基本任务：pick and place，就是抓苹果——人类研究了30年，到今天没有一丁点解决的苗头。什么时候一个机械臂能随机抓取一个不预设位置的苹果， 连续成功抓取100次，就证明了具身智能最关键的问题——灵巧手，获得了一个最初级的突破。 可惜从honda research、boston dynamics开始，人类研究了30多年，这个问题没有一丁点进展和苗头。去年反复强调的VLA模型，在这个问题上，也是潘长江去吻郑海霞，根本够不着嘴。

♥ 6

打个比方，训练飞行员。先要上课学理论（互联网数据），然后在模拟器上反复训练（仿真+动补数据），最后上真机。仿真合成不能替代真机，二者之间提供互补。

♥ 6

数据是AI的血液，高质量的数据更是稀缺[加油]

♥ 6

很诡异的行业，我要一个机械飞升的机器人干嘛，他给我上班还是他帮我解决*需求？

♥ 6 ↩ 3

@马督工来看看数据多难，章鱼一样的机器人的训练数据哪里找， 最终形态 前要不要经过人型。更何况人型和非人型是对比关系 不都有应用场景的。。

♥ 8 ↩ 1

思路不对，靠数据训练是开环的，而机器人需要的像人一样的实时闭环控制，现在的问题在于机器人的传感器不够多不够细，不像人类有大量的遍布全身的触觉和体感神经。执行机构的速度和精准度比以前提高了，但比真人还是要差一些，勉强能用，剩下的就是传感器了，马斯克重点攻机器人的手，方向是对的，但也还要把机器人全身的神经都做起来。

♥ 5 ↩ 1

有没有可能机器人到达一个可用的临界点后，就会有越来越多的使用和越来越多的数据。或许发展会越来越快？

♥ 5 ↩ 21

仿真，只能是多模融合仿真数据，系统建设是个大问题

♥ 5

还是基本的智能框架理论太弱了，人类儿童学习不比机器人快太多了？ 人类学习可能比机器人学习快100万倍。。。。。

♥ 5 ↩ 4

机器人为什么一定要是人形？？？

♥ 4 ↩ 6

101现在相当关注具身智能啊

♥ 4 ↩ 4

这些采集员用完就可以淘汰了，作为资本的祭品。这份工作没门槛，他们出去找不着工作，只能任人宰割。

♥ 4 ↩ 2

我想起自己中学的时候跟一个同学讲物理题，就是圆周运动要能走一圈在最高点有个最小速度。向心力等于重力。他当时不理解为什么最高点速度不能是0。我本来想让它用常识理解，如果速度不够快它到最高点前就脱离轨道掉了，不可能到了顶点在拐个直角掉下来吧。这也太诡异了。 然后他说为什么不能呢？这时候我意识到动画片里这样的轨迹好像有这样的。也就是说他在自己大脑的仿真画面里是允许这种轨迹存在。而现实物理约束显然不行。我们不可能把现实物理定律全部写进仿真，所以纯粹的仿真到现实一定会有问题。 几乎没有问题的仿真模型，大概就是有些人觉得最能通往AGI的世界模型了

♥ 4 ↩ 2

有实力科技公司和没实力科技公司的区别，有实力科技用纯工业物理现场真机数据训练机器人，没实力公司用虚假仿真训练玩具机器人[doge][doge][吃瓜][呲牙]

♥ 5 ↩ 9

用训练生成式ai这种离散的方法来训练连续的物理世界，这辈子都训练不完，训练叠衣服这一个动作训练好长时间，但换个场景甚至同一场景光照等条件一改变就可能干不了了，这真的是个好的技术路线吗。何况物理ai所需的极低延迟和功耗的要求在这个路线上一个都不满足，甚至是相悖的，即使花大量钱和时间把机器人训练的差不多了，也不满足人类的使用要求，都不用说精度、延迟、可靠性要求极高的工业场景，甚至连他们吹的养老护理机器人都不满足

♥ 9 ↩ 1