头版Folia Daily Briefing
← 返回头版
科技人工智能

比「算力荒」更致命,「数据荒」正在带来灾难?

具身智能行业正面临一场数据危机。与大语言模型可从互联网海量获取文本数据不同,具身智能需要千万至亿小时级别的真实物理交互数据才能获得通用泛化能力,但全球可用的高质量物理交互数据总量仅约50万小时,缺口超过99%[1]。这一瓶颈已成为制约行业发展的核心障碍,促使企业探索多条技术路线来解决数据积累难题。

为了突破数据瓶颈,业界正在尝试多条采集途径。北京人形机器人创新中心在数采场地投入数千万元,部署了120台机器人[1];智元机器人则部署约200台机器人,配备数百名数据采集员[1]。另一方面,乐聚OpenLET已开源超6万分钟的真机数据集[1]。然而,现有路线面临"规模、质量、成本"难以兼顾的困局。仿真环境下任务完成率可达89.4%,但在真实家庭场景中仅约12.4%[1],说明虚实间存在显著差异。

针对数据获取的瓶颈,行业正在探索通过闭环自我迭代实现"数据奇点"的可能性。LWD系统训练的策略在长程复杂任务中平均成功率达0.95,超越传统行为克隆的0.76[1],展现了优化训练方法的潜力。这些探索表明,具身智能企业正在寻求突破数据困局的新路径。


具身智能数据采集机器人大模型训练虚实鸿沟