大模型时代说数据是新石油具身智能时代这句话要打个补丁机器人的石油不仅贵品种还特别多——真机遥操作、UMI 手持采集、人类视频、仿真合成……到底有多少种采法各自值多少钱这篇文章用行业通行的数据金字塔一次讲清楚顺便解剖智元 AgiBot World 这场豪赌。一、先纠正一个常见误解数据不只有真机、仿真、视频三种很多科普把具身数据粗略分成真机、仿真、互联网视频三类这个分法已经过时了。2026 年业界更常用的口径是五层金字塔——自上而下机器人对齐度和采集成本递减规模和可得性递增层级采集范式一句话定位代表塔尖真机遥操作质量最高、成本最贵、直接可训练AgiBot World、DROID、OXE第二层UMI 无本体采集真实物理、便携可扩、跨本体复用UMI、FastUMI-100K、GEN-0 / ACT-1第三层第一/第三人称人类视频规模巨大但缺动作标签Ego4D、灵初 SynData、它石 WIYH第四层仿真合成数据成本趋零存在虚实鸿沟Isaac Sim、光轮智能塔底互联网图文与通用语料打底语义与场景理解VLM 预训练语料越靠塔尖数据离机器人能直接执行越近但越贵越难采越靠塔底量越大越便宜但离可执行动作越远。没有哪一层能单独喂饱一个通用模型头部玩家的配方都是五层混搭。二、塔尖真机遥操作贵有贵的道理真机数据包含看到什么 怎么动的 做成没有的完整闭环是训练可执行策略最直接的监督。代价也直白业内公开数据是遥操作一小时只能采约 35 条美国市场一小时遥操作成本约 100–200 美元。样本解剖看智元的 AgiBot World技术报告 arXiv:2503.06669——目前全球规模最大的开源真机操作数据集之一1,001,552 条轨迹总长 2976.4 小时217 个任务、87 种技能、106 个场景100 台同构双臂人形机器人在4000 平方米数采工厂里 1:1 复刻家庭、零售、工业、餐厅、办公五大场景用了 3000 多种真实物品全程人工在环质检本地校验 → 云端复核 → 人工标注还专门保留约 1% 的失败-恢复数据。▲ 任务验证 → 正式采集 → 云端复核标注全程人工在环。图源arXiv:2503.06669钱花得值不值论文给了量化答案用它预训练的策略比用 Open X-Embodiment 平均成功率高约 30%只用 1/10 时长的数据236 小时 vs 约 2000 小时效果就已反超——质量对数量的杠杆被直接算了出来。▲ 长程任务是其显著特征主流轨迹 30–60 秒而 DROID 多为 5–20 秒、OXE 多在 5 秒内。图源arXiv:2503.06669三、第二层UMI2026 年最受关注的平权范式UMIUniversal Manipulation Interface通用操作接口是 2024 年由斯坦福、哥伦比亚大学和丰田研究院提出的方案人拿着一个带相机和位姿追踪的手持夹爪直接在真实环境里演示操作——不需要机器人本体参与。整套硬件成本约 400 美元。它的位置很微妙采到的是真实物理世界的第一视角画面 同步的末端位姿和夹爪开合所以比人类视频对齐度高有动作监督又比真机遥操作便宜得多、还能跨本体复用同一条演示可以重定向到不同机器人上。去年起这条路线被彻底点燃Generalist用 UMI 范式采了27 万小时数据、目前每周新增约 1 万小时训出的 GEN-0 实现了长程操作任务的零样本泛化Sunday Robotics同样用 UMI 数据训出 ACT-1演示效果惊艳数据规模也在膨胀FastUMI-100K 已达10 万条国内鹿明机器人、松灵机器人等开始做标准化 UMI 采集硬件穹彻等模型公司深度采用。一句话评价UMI 不是要取代遥操作而是把真实数据的采集门槛从买一百台机器人降到人手一个手持夹爪——金字塔第二层正在快速变厚。四、第三、四层人类视频和仿真负责把量做大人类视频是规模最大的一层智能眼镜让第一视角ego采集降到消费级成本灵初 SynData、它石 WIYH、京东 EgoLive 等国内方案陆续落地。短板是没有动作标签需要靠隐式动作Latent Action、轨迹重定向等技术榨出监督信号——智元 GO-1 的预训练就用了大规模人类视频。仿真合成边际成本趋近于零适合规模化刷基础技能和安全验证。智元对仿真的公开判断很直白仿真数据价值会持续提升但效率大约只有真机数据的 60%–70%。行业共识是当放大器用不当主粮。塔底的互联网图文不直接教动作但给 VLM 打下语义和场景理解的地基——所有 VLA 模型都在用。五、给从业者和开发者的三个判断壁垒在质控体系不在条数。AgiBot World 的消融实验显示人工核验过的 528 条比未核验的 482 条多带来 0.18 的完成度提升——质检流程本身就是护城河UMI 正在重塑数据产业的成本结构。遥操作是重工业UMI 是分布式采集网络未来两年数据服务市场的增量大概率在这一层开源数据集是生态入场券。AgiBot World 以 CC BY-NC-SA 4.0 开源后智元 GO-1、英伟达 GR00T 系列都在用它训练——谁的数据成为别人的训练标配谁就握住生态话语权。对启元开发者社区的同学来说这套AgiBot World 数据 GO-1 模型 启元本体是目前国内少有的全链路都能摸到的开发环境。六、一句话总结真机数据定上限UMI 改成本人类视频和仿真扩规模互联网语料打地基——2026 年的数据军备赛没有单一路线的赢家谁能按金字塔把五层配方调对、并用质控守住质量谁就能给自家机器人大脑喂出最好的口粮。真机数据、UMI、人类视频和仿真解决的是不同问题数据多不等于机器人就能把任务做好。落到启元 Q1 的开发中我会先结合启元机器人开发者社区的模型与接口资料检查画面、状态和动作能否对齐、轨迹能否回放再决定下一步该补哪类数据。 
长河君 · 2026/10/27 2:01:06 · 阅读 1.2k 具身智能的“数据军备赛“：一张金字塔看懂五条采集路线
大模型时代说数据是新石油具身智能时代这句话要打个补丁机器人的石油不仅贵品种还特别多——真机遥操作、UMI 手持采集、人类视频、仿真合成……到底有多少种采法各自值多少钱这篇文章用行业通行的数据金字塔一次讲清楚顺便解剖智元 AgiBot World 这场豪赌。一、先纠正一个常见误解数据不只有真机、仿真、视频三种很多科普把具身数据粗略分成真机、仿真、互联网视频三类这个分法已经过时了。2026 年业界更常用的口径是五层金字塔——自上而下机器人对齐度和采集成本递减规模和可得性递增层级采集范式一句话定位代表塔尖真机遥操作质量最高、成本最贵、直接可训练AgiBot World、DROID、OXE第二层UMI 无本体采集真实物理、便携可扩、跨本体复用UMI、FastUMI-100K、GEN-0 / ACT-1第三层第一/第三人称人类视频规模巨大但缺动作标签Ego4D、灵初 SynData、它石 WIYH第四层仿真合成数据成本趋零存在虚实鸿沟Isaac Sim、光轮智能塔底互联网图文与通用语料打底语义与场景理解VLM 预训练语料越靠塔尖数据离机器人能直接执行越近但越贵越难采越靠塔底量越大越便宜但离可执行动作越远。没有哪一层能单独喂饱一个通用模型头部玩家的配方都是五层混搭。二、塔尖真机遥操作贵有贵的道理真机数据包含看到什么 怎么动的 做成没有的完整闭环是训练可执行策略最直接的监督。代价也直白业内公开数据是遥操作一小时只能采约 35 条美国市场一小时遥操作成本约 100–200 美元。样本解剖看智元的 AgiBot World技术报告 arXiv:2503.06669——目前全球规模最大的开源真机操作数据集之一1,001,552 条轨迹总长 2976.4 小时217 个任务、87 种技能、106 个场景100 台同构双臂人形机器人在4000 平方米数采工厂里 1:1 复刻家庭、零售、工业、餐厅、办公五大场景用了 3000 多种真实物品全程人工在环质检本地校验 → 云端复核 → 人工标注还专门保留约 1% 的失败-恢复数据。▲ 任务验证 → 正式采集 → 云端复核标注全程人工在环。图源arXiv:2503.06669钱花得值不值论文给了量化答案用它预训练的策略比用 Open X-Embodiment 平均成功率高约 30%只用 1/10 时长的数据236 小时 vs 约 2000 小时效果就已反超——质量对数量的杠杆被直接算了出来。▲ 长程任务是其显著特征主流轨迹 30–60 秒而 DROID 多为 5–20 秒、OXE 多在 5 秒内。图源arXiv:2503.06669三、第二层UMI2026 年最受关注的平权范式UMIUniversal Manipulation Interface通用操作接口是 2024 年由斯坦福、哥伦比亚大学和丰田研究院提出的方案人拿着一个带相机和位姿追踪的手持夹爪直接在真实环境里演示操作——不需要机器人本体参与。整套硬件成本约 400 美元。它的位置很微妙采到的是真实物理世界的第一视角画面 同步的末端位姿和夹爪开合所以比人类视频对齐度高有动作监督又比真机遥操作便宜得多、还能跨本体复用同一条演示可以重定向到不同机器人上。去年起这条路线被彻底点燃Generalist用 UMI 范式采了27 万小时数据、目前每周新增约 1 万小时训出的 GEN-0 实现了长程操作任务的零样本泛化Sunday Robotics同样用 UMI 数据训出 ACT-1演示效果惊艳数据规模也在膨胀FastUMI-100K 已达10 万条国内鹿明机器人、松灵机器人等开始做标准化 UMI 采集硬件穹彻等模型公司深度采用。一句话评价UMI 不是要取代遥操作而是把真实数据的采集门槛从买一百台机器人降到人手一个手持夹爪——金字塔第二层正在快速变厚。四、第三、四层人类视频和仿真负责把量做大人类视频是规模最大的一层智能眼镜让第一视角ego采集降到消费级成本灵初 SynData、它石 WIYH、京东 EgoLive 等国内方案陆续落地。短板是没有动作标签需要靠隐式动作Latent Action、轨迹重定向等技术榨出监督信号——智元 GO-1 的预训练就用了大规模人类视频。仿真合成边际成本趋近于零适合规模化刷基础技能和安全验证。智元对仿真的公开判断很直白仿真数据价值会持续提升但效率大约只有真机数据的 60%–70%。行业共识是当放大器用不当主粮。塔底的互联网图文不直接教动作但给 VLM 打下语义和场景理解的地基——所有 VLA 模型都在用。五、给从业者和开发者的三个判断壁垒在质控体系不在条数。AgiBot World 的消融实验显示人工核验过的 528 条比未核验的 482 条多带来 0.18 的完成度提升——质检流程本身就是护城河UMI 正在重塑数据产业的成本结构。遥操作是重工业UMI 是分布式采集网络未来两年数据服务市场的增量大概率在这一层开源数据集是生态入场券。AgiBot World 以 CC BY-NC-SA 4.0 开源后智元 GO-1、英伟达 GR00T 系列都在用它训练——谁的数据成为别人的训练标配谁就握住生态话语权。对启元开发者社区的同学来说这套AgiBot World 数据 GO-1 模型 启元本体是目前国内少有的全链路都能摸到的开发环境。六、一句话总结真机数据定上限UMI 改成本人类视频和仿真扩规模互联网语料打地基——2026 年的数据军备赛没有单一路线的赢家谁能按金字塔把五层配方调对、并用质控守住质量谁就能给自家机器人大脑喂出最好的口粮。真机数据、UMI、人类视频和仿真解决的是不同问题数据多不等于机器人就能把任务做好。落到启元 Q1 的开发中我会先结合启元机器人开发者社区的模型与接口资料检查画面、状态和动作能否对齐、轨迹能否回放再决定下一步该补哪类数据。