數據匱乏阻礙具身智能行業發展，百萬真機數據杯水車薪

數據匱乏阻礙具身智能行業發展，百萬真機數據杯水車薪

具身智能領域正處于早期發展階段，面臨著許多挑戰，其中最突出的就是高質量數據缺乏。與訓練自然語言處理模型所需的互聯網文本數據不同，具身智能模型需要來自物理世界的交互數據。

獲取這些數據的方法包括遙操作機器人、仿真合成數據、動作捕捉和互聯網視頻。遙操作機器人數據質量最高，但成本高昂且效率低。仿真合成數據成本較低，但與現實世界仍有差距。動作捕捉數據質量較高，但適配機器人可能存在差異?；ヂ摼W視頻數據量大，但質量差。

業內人士指出，現有的數據量遠遠不足以訓練通用機器人，從而實現具身智能的理想狀態。最近開源的百萬真機數據集 AgiBot World 取得了進展，但也只是杯水車薪。

數據缺乏也導致標準化難題。不同公司開源的數據集格式兼容性差，數據質量也不一致。這使得機器人難以有效利用這些數據。

解決數據匱乏問題已成為行業共識。特斯拉、國地共建具身智能機器人創新中心等機構都在采取措施建立數據采集訓練場。世界模型也為機器人提供了一種理解世界并生成數據的新途徑。

業內人士預測，隨著數據采集方式的多樣化和數據采集訓練場的建設，2025 年具身智能行業的數據量將大幅增長，成本也將下降。這將加速機器人的落地應用。