百万小时数据喂下去，机器人就能学会一切？这场塔尖会拆解「具身数据战」

当训练数据以百万小时计，机器人究竟能学会什么？从抓取、分拣物品，到在陌生环境中连续完成多步操作，不同任务对机器人能力的要求各不相同，所需训练数据也随之变化。人类第一视角视频、真机交互记录与仿真生成数据提供不同学习信号，其价值随模型架构、训练阶段与应用目标而变化。如何选择和组合数据、验证能力收益，并以合理成本持续获取和使用有效数据，构成具身智能下一场数据战的核心。

11月5日，由张江AI创新小镇生态公司与机器之心联合主办的「Triple T」张江塔尖会系列技术沙龙在张江AI创新小镇举行。本期以「Data In Motion｜具身智能的下一场数据战」为题，聚焦具身数据前沿探索与实践进展，通过一场双人技术交锋、三场Open Mic与一场产业碰撞场Panel，围绕预训练数据选择、多模态采集、数据配方与评测、规模化交付等方向，探讨具身数据转化为机器人能力的路径与瓶颈。

双人技术交锋环节以「具身预训练：优先规模化人类经验，还是积累真机交互？」为题，由上海科技大学研究员、助理教授、博士生导师，YesAI实验室负责人、瞬适科技创始人石野主持。蚂蚁灵波科技首席数据科学家黄用韬与清华大学人工智能学院助理教授刘淼围绕人类经验与真机数据的能力分工、不同训练阶段的数据投入及预训练效果验证展开交流。

黄用韬认为，现阶段应优先积累真机数据，因为机器人需通过与物理世界直接交互建立可靠操作能力。大规模人类视频数据可用于支持任务理解与高层规划，但在动作轨迹、力度控制及接触反馈等方面存在精度不足。他强调触觉应尽早融入基础能力学习，通过无本体采集、电子皮肤等技术探索低成本触觉数据获取方式。团队应先通过真机数据建立对任务和失败原因的基本认识，再逐步扩大数据规模。预训练效果验证不能只看已有任务成功率，还应考察模型面对新任务时的学习速度、适配所需数据量及跨场景泛化能力。

刘淼则强调，具身数据选择不存在统一答案，关键取决于机器人应用定位与训练阶段。工业场景中的精密抓取、装配等任务高度依赖真机数据，而面向开放环境的通用具身智能则需要充分利用人类经验数据的规模化优势。预训练通常更重视数据覆盖范围，后训练通过更高质量数据提升特定任务表现。人类动作与机器人本体之间存在结构和控制差异，即使精确还原人类操作也不意味着可直接迁移至机器人。人类数据的潜在价值还包括主动感知、任务规划、手眼协调及长程行为衔接。对于触觉数据，应综合考虑采集成本、数据质量与覆盖范围。当前具身预训练缺乏可靠独立评测手段，其真实贡献容易被后训练效果掩盖。

三场技术Open Mic分别从物理交互信息获取、数据配方与评测、真实部署中的闭环学习切入。千觉机器人创始人兼首席科学家、上海交通大学教授马道林以《从多模态采集到物理交互数据》为题分享，强调触觉包含受力、几何、滑动与运动等多种信息，是机器人完成精细操作的重要依据。团队深度布局人机解耦的采集方式，从人类操作中获取触觉经验，同时通过自研触觉仿真器以较低成本生产大规模高质量仿真数据，并展示融合视觉、触觉、语言、动作的VTLA模型在自动穿鞋带、纸盒成型等真机任务中的表现。

上海交通大学人工智能学院副教授、上海创智学院全时导师李永露带来《机器人学习的数据配方与评测》，指出数据配方应从机器人需要完成的任务出发，结合模型结构、训练目标与评测方式共同确定。新增数据是否有效需通过模型训练和下游任务评测检验，再将结果反馈到下一轮采集与筛选中。随着数据规模扩大，投入不仅发生在采集端，还包括后续处理、训练与存储，更需要持续检验数据的训练收益。硬件、模型与数据基础设施应协同设计、同步迭代。

深朴智能联合创始人兼技术副总裁李明磊以《从经验到智能：具身数据Scaling与持续学习》为题，提出以高保真经验支撑预训练，再通过持续学习拓展能力边界。团队通过HiFi-UMI探索降低策略冷启动对真机示范的依赖，结合三维监督、物理评测与纠错反馈推动策略迭代，并探索大模型与具身策略协同。

产业碰撞场以「具身数据的新变量：多样性、多模态与规模化」为题，由机器之心合伙人周芳主持。香港大学MMLab博士生、Lumina具身智能社区创始人陈天行提到，判断数据价值既要关注分布与质量，也要结合模型架构和预训练能力，新增数据能否带来泛化收益需通过长程任务、复杂交互与场景变化的评测验证。新智具身CEO赵世豪指出，不同训练阶段对数据数量、质量与精度要求各不相同，要让模型有效利用触觉需先解决不同硬件的数据表征对齐，过早融合视触觉表征可能降低性能。模感科技联合创始人兼CTO周航强调，全身触觉对大脑开展物理世界认知训练具有重要支撑作用，数据需保持稳定、准确并做好时序同步与运动干扰过滤，规模化降本可从量产、减少重复定制及AI辅助清洗入手。

本期沙龙将「数据规模」拆解为与任务、模型和部署条件相关的具体问题，不同路线的交流进一步凸显：数据投入需要围绕明确的能力目标展开，并通过持续评测检验其价值。