“人形機器人訓練的問題歸根結(jié)底就是數(shù)據(jù)的問題”。多位采訪對象向新京報貝殼財經(jīng)記者表達了相似的觀點。
從不同企業(yè)近期的一些戰(zhàn)略布局動作來看，數(shù)據(jù)的重要性正在提升。3月17日，傅利葉正式開源全尺寸人形機器人數(shù)據(jù)集Fourier ActionNet，并發(fā)布全球首個全流程工具鏈，首批上線超3萬條高質(zhì)量真機訓練數(shù)據(jù)；3月10日，智元機器人正式發(fā)布首個通用具身基座大模型—智元啟元大模型（GenieOperator-1），借助人類和多種機器人數(shù)據(jù)，讓機器人獲得學習能力；1月9日，銀河通用機器人發(fā)布端到端具身抓取基礎(chǔ)大模型GraspVLA，利用合成數(shù)據(jù)學習測試。
薩摩耶云科技集團AI機器人行業(yè)研究員鄭揚洋認為，“數(shù)據(jù)未來會成為拉開企業(yè)差距的重要因素，擁有高質(zhì)多樣化數(shù)據(jù)集的企業(yè)，能在訓練、優(yōu)化機器人模型上取得優(yōu)勢，提高自己的市場競爭力。”
供具身大模型學習的數(shù)據(jù)遠低于通用大模型可學習的數(shù)據(jù)
從行業(yè)發(fā)展的歷史來看，人形機器人并不是一個新鮮的事物，但在ChatGPT發(fā)布以后，市場將AI帶來的想象空間和具身智能進行了結(jié)合，希望大模型可以賦予機器人更高的智能水平，熱度開始上漲。
人形機器人本質(zhì)上是一個智能體，要想做出和人類一樣的動作，需要龐大的數(shù)據(jù)作為訓練的基礎(chǔ)，培育出性能優(yōu)秀的具身智能大模型，機器人才有可能實現(xiàn)泛化的能力。
“我們可以隨意拿起一個水瓶或者咖啡杯，但對機器人來說，這是兩個完全不同的物體，用多大的力，摩擦系數(shù)的大小是多少都不一樣，這些都是需要機器人通過學習的數(shù)據(jù)計算而來?！便y河通用機器人公司某算法工程師告訴貝殼財經(jīng)記者。
大語言模型之所以可以快速發(fā)展，和數(shù)據(jù)量充足有著直接關(guān)系，網(wǎng)絡(luò)上的文本、圖片、視頻以及各種公開資料都是模型可以學習的。但到具身大模型領(lǐng)域，可供學習的數(shù)據(jù)并不多。
清控金信資本高級投資經(jīng)理萬安在接受貝殼財經(jīng)記者采訪時指出，“機器人訓練所需要的是對三維空間的運動描述的數(shù)據(jù)，而現(xiàn)在這些可供機器人學習訓練的數(shù)據(jù)量遠遠不夠。”
“具身智能大模型的發(fā)展遠落后于通用大模型的發(fā)展?！庇顦淇萍紕?chuàng)始人王興興曾公開表示。
但如今各家企業(yè)已經(jīng)開始發(fā)力解決“數(shù)據(jù)饑渴”的問題。傅利葉將開源全尺寸人形機器人數(shù)據(jù)集Fourier ActionNet，據(jù)介紹，該數(shù)據(jù)集囊括了傅利葉GRx系列所有機型的各類任務(wù)訓練，完整記錄機器人在真實環(huán)境中的任務(wù)執(zhí)行數(shù)據(jù)；智元機器人此前發(fā)布的智元啟元大模型將結(jié)合互聯(lián)網(wǎng)視頻和真實人類示范進行學習，增強模型對人類行為的理解；銀河通用機器人將利用仿真數(shù)據(jù)進行訓練學習。
去年12月底，國家地方共建具身智能機器人創(chuàng)新中心與北京大學計算機學院聯(lián)合推出了一個大規(guī)模多構(gòu)型具身智能數(shù)據(jù)集和Benchmark——RoboMIND，支持多本體任務(wù)并具備通用性。
“數(shù)據(jù)集可以通過提供高質(zhì)量的訓練數(shù)據(jù)提升機器人的性能和適應(yīng)性，降低開發(fā)成本，推動行業(yè)標準化和技術(shù)創(chuàng)新，從而加速機器人企業(yè)的商業(yè)化進程。”鄭揚洋指出。
既要比拼數(shù)據(jù)類型，又要比拼數(shù)據(jù)成本
雖然各家企業(yè)在使用哪種數(shù)據(jù)進行訓練的方面有不同選擇，但他們共同需要考慮的一個問題就是數(shù)據(jù)的成本問題。過去數(shù)據(jù)采集的成本居高不下，人力、物力以及時間成本都制約了高質(zhì)量數(shù)據(jù)的獲取。
據(jù)相關(guān)媒體報道，2024年8月，特斯拉為了解決數(shù)據(jù)不足的問題開始招聘了“數(shù)據(jù)收集操作員”，具體工作時間則是“三班倒”，預(yù)期時薪為25.25美元至48美元。特斯拉的Optimus（擎天柱，特斯拉開發(fā)的一款人形機器人）社交媒體賬戶曾發(fā)布過一段視頻，展示了該崗位的具體工作內(nèi)容，在視頻中，一名操作員穿著動作捕捉服，戴著觸覺手套和VR頭顯拾取物體，而虛擬版特斯拉Optimus機器人則執(zhí)行相同的動作。
萬安告訴貝殼財經(jīng)記者，“現(xiàn)在最大的成本就來自人力成本，動作數(shù)據(jù)的復(fù)雜程度很高，要實現(xiàn)預(yù)期的訓練效果需要海量高質(zhì)量數(shù)據(jù)。例如一個簡單的‘倒水’動作就需要學習幾百條數(shù)據(jù)?！?
在鄭揚洋看來，除高成本之外，數(shù)據(jù)采集還存在數(shù)據(jù)質(zhì)量參差不齊，如不同傳感器存在采樣精度差異的問題，行業(yè)缺乏數(shù)據(jù)集的處理標準，對數(shù)據(jù)的處理方法不一將導(dǎo)致數(shù)據(jù)難以共享和通用。
相較于具身大模型的發(fā)展和突破，機器人硬件本體的創(chuàng)新會相對更加容易一些。宇樹科技之所以可以在這一次機器人熱浪中受到較高的關(guān)注，就在于本體的運動控制。王興興曾指出，因為有了四足機器狗的技術(shù)積累，做人形機器人相對來說會比較容易，硬件等一些零部件是可以通用的。
多位受訪者將當下人形機器人的發(fā)展階段與早期自動駕駛技術(shù)的發(fā)展進行類比，豐富海量的數(shù)據(jù)和足夠的算力是自動駕駛技術(shù)得以普及的關(guān)鍵因素。人形機器人未來想要普及，數(shù)據(jù)的突破至關(guān)重要。
“不同企業(yè)之間在訓練數(shù)據(jù)上不僅要比拼數(shù)據(jù)類型，還要比拼數(shù)據(jù)成本。至于數(shù)據(jù)類型和成本哪個更重要，取決于企業(yè)的需求和應(yīng)用場景。”鄭揚洋認為。
在她看來，仿真數(shù)據(jù)的采集成本相對較低，但可能需要額外的資源來縮小仿真與現(xiàn)實之間的差距，企業(yè)在選擇數(shù)據(jù)采集方式的同時，也需要考慮到成本的影響，在采集方式和成本之間找到平衡。數(shù)據(jù)將會成為未來拉開企業(yè)差距的重要因素。
但萬安也坦言，“現(xiàn)在數(shù)據(jù)的收集還處在較為初期的階段，這些數(shù)據(jù)在人形機器人實際操作落地的階段將會起到哪些作用，還沒有看到顯著的差異化，還需繼續(xù)觀察?！?
