在这里插入图片描述小派科技获智元旗下觅蜂科技战略融资

具身智能的数据瓶颈已经被反复讨论。一个常被引用的数字是:全球高质量真实物理交互数据约50万小时,而通用具身模型的训练需求在千万小时级,缺口超过95%。

但“缺数据”是一个过于笼统的描述。真正卡住工程落地的,往往不是采集量本身,而是采集到的多模态数据能不能在时间和空间上对齐到“可直接用于训练”的程度。

真机遥操作数据精度最高,但成本在每小时500—1000元;无本体或第一视角采集设备把成本压到真机的大约三分之一,但质量一致性高度依赖采集端的工程标准化。不同厂商的设备、标定方法、数据格式一旦不统一,即使采到大量数据,也会变成难以比较和复用的孤岛。这个问题的本质不是传感器数量不够,而是时间基准和空间参考系在采集管道中没有被当作一等公民来设计。

小派科技近期获得觅蜂科技(智元机器人孵化的物理AI数据平台)战略融资,可以看作XR硬件能力向具身数据采集层迁移的一个案例。这也正是小派在XR头显上长期深耕方向:多传感器、多采样频率条件下的时空对齐。

在XR设备中,IMU、摄像头、手柄追踪、手势识别模块各自以不同频率输出数据,头显要在毫秒级完成融合并保持姿态稳定。工程上常见的做法包括:以某一高频率传感器(通常是IMU)为时间锚点,通过线性回归或插值将其他模态的时间戳映射到公共时间基准;用视觉定位或标记物将不同设备统一到同一空间参考系;以及在采集端保留原始姿态数据而非经过预测平滑的输出。

小派首席战略官孔华威在SIVA 2026的演讲中把这一点讲得比较直接:XR在显示、空间感知、手势识别和同步传输上的积累,放到具身数据采集的需求里重新审视,解决的是“数据质量、时空对齐与采集成本”这一组约束。

另一个值得展开的技术方向是虚拟空间中的操控数据。小派在大型沉浸式游戏中积累的人体在虚拟空间内的精确操控数据,被其视为世界模型训练的潜在来源之一。

这类数据的特殊性在于:交互发生在虚拟环境中,但人的动作意图、手眼协调模式和任务完成序列仍然是真实的。如果能把虚拟交互事件与真实世界的物理语义做映射,它有可能成为世界模型训练中一种低成本、大规模的补充数据形态。但这需要一套明确的事件标注和语义对齐规范,否则“操控数据”和“训练数据”之间仍然隔着一条工程化的鸿沟。

对于正在搭建具身数据采集管道的团队,小派这个案例的可迁移之处不在于具体硬件选型,而在于一个判断:时空对齐不应被当作后处理步骤,而应该在采集设备的系统设计阶段就被作为基础约束。

多传感器硬件级同步、统一时间基准、原始姿态数据保留、跨设备空间标定——这些在XR里被逼出来的工程习惯,恰好是具身数据从“能采”走向“能用”的必经环节。

Logo

DAMO开发者矩阵,由阿里巴巴达摩院和中国互联网协会联合发起,致力于探讨最前沿的技术趋势与应用成果,搭建高质量的交流与分享平台,推动技术创新与产业应用链接,围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐