舞台上灯光璀璨，人形机器人完成后空翻、耍棍等高难度协同动作，动作流畅，观众纷纷感叹“机器人时代已经到来”。

但走出舞台和展示区，机器人的短板仍然明显。比如，“拧瓶盖”这类对人类而言近乎本能的精细操作，对具身智能机器人却是公认的难题。今年6月，上海复兴岛全国首个具身智能实景训练场上，32支创客团队的机器人在真实的市集、咖啡厅等场景进行实测，没有一支团队交出满分答卷——换了桌子宽度就插不好花、地毯颜色改变就迷路、通信延迟导致夹取物品失败……华东师范大学数据科学与工程学院副教授刘艳表示：“实验室里的‘好学生’，到了现实世界可能连人类最简单的任务都完成不了。”

这种“舞台全能、生活笨拙”的反差，暴露了具身智能机器人发展中的最大难题：脑子快，但手很笨；懂道理，但不懂物理。其中的重要原因之一在于，它们“吃”进去的东西，还不对路。

需求的数据，现实的缺口

我们都知道，大模型之所以聪明，是因为它们尽可能多地把互联网中的图文、对话都“吃”下去了。大模型只要完成识别，这些“精神食粮”就能转化为自身的能力。

但机器人的发展还需要另一种核心素材——现实世界里的物理数据。

什么是物理数据？不仅仅是让机器人识别瓶盖是红色的，更是要记录瓶盖有多滑、螺纹咬合要用多大的劲儿、手指打滑时该怎么调整角度。

这就好比教一个人游泳，即使让他把一万本游泳教科书背得滚瓜烂熟，理论知识满分，可第一次被扔进泳池时仍然会呛水——因为他没感受过水的阻力，不知道实践中如何利用浮力进行身体平衡。现在的机器人，就像是那个背熟了教科书却没下过水的“书呆子”。

据《上海证券报》援引业内统计，具身智能模型训练所需的高精度多传感器物理交互数据存储需求达数百PB级；按单小时真机操作数据存储容量测算，该规模对应上亿小时的有效实操样本。而全球公开可使用的高质量真机遥操交互数据仅约50万小时，换算后整体有效数据缺口接近99%。这就如同准备做一桌大餐时，仓库里仅有一粒米。

适应的环境，触碰的实感

要喂，就必须喂好的。行业里把最好的数据叫作“黄金数据”，它需要同时满足四个条件：

必须是真的“肉身体验”。想象一下，你在VR游戏里挥拳头打怪兽，那是假的，毫无痛感；但现实里一拳打在墙上，关节的震痛、皮肤的摩擦是真的，你会疼，会缩手。机器人也一样—只有让真实的机械手去抓、去碰、去摔，并记录下每一次碰撞的力度、声音、震动，数据才具有“肉身性”。

任务样本规模和量级要足够大。光会抓杯子不行，还得会抓苹果、抓鸡蛋、抓滑溜溜的鱼。而且10万条、20万条训练数据远远不够，达不到百万级以上任务样本，机器人顶多是个“偏科生”。

场景要极度多元。在明亮厨房里可以完成的活儿，到了昏暗地下室还能干吗？把大理石台面换成木桌子，机器人还能适应吗？叠衣服、开抽屉、切菜、捡东西等家务场景能适应，工厂流水线、办公工位、病房护理等跨领域场景也应不在话下，数据必须涵盖各种场景。

指令与动作要对齐。当你说“把垃圾扔进桶里”，机器人必须知道这句话对应的是哪一组关节轨迹、多大的抓取力，以及在什么时机释放物体。如果数据和指令对不上，那就是“鸡同鸭讲”。

真实的传感，昂贵的价格

为了填饱机器人的“胃口”，行业形成了“数据金字塔”的分层采集方案。但这座金字塔每一层都有明显的局限。

塔底：视频数据“吃不饱”。抓取短视频、影视剧里人类干活儿的画面，借助人体动力学提取、动作模仿技术，完成机器人基础动作的预训练。但这就像只看美食教程视频，而不亲身感知食材软硬、油温高低、调味咸淡，缺乏“手感”的练习，实操中还是容易翻车。

塔中：仿真数据“吃不香”。搭建数字孪生场景，可以让仿真机器人在其中无休止地试错，算力充足的情况下一夜之间就能生成几百万条数据。而这种数据的缺点是“不够真实”。现代物理引擎虽然已能模拟粗糙地面、可改变摩擦系数等复杂因素，但要覆盖现实中的随机变化，计算成本会急剧上升，绝大多数团队只能采用理想化参数。机器人在“理想国”中练得再好，在现实中遇到一块不平整的地砖，仍然可能摔倒。

塔顶：真机数据“吃不起”。由操作员通过遥操系统实时控制机器人，在真实场景中完成任务，同时录制所有传感器数据。这种数据精度高、信息完整，但缺点是贵得离谱。据澎湃新闻报道，当前国内高精度多传感器人形机器人遥操采集的真机数据，市场价格在500～1000元/小时，并且随着任务精度要求的提升，成本还会陡增，中小厂商显然无力承担。

目前行业通用的训练方案是分层搭配使用：用仿真数据和视频给模型“扫盲”，再用真机数据做微调校准。就像先让机器人学课本，再上一对一实验课。但现在三类数据各有短板，暂时无法形成完善、低成本的数据供给体系。

此外，即便三类数据搭配使用，但从采集到清洗再到流通的每个环节都在抬高使用门槛—采回来的传感器数据夹杂噪声，需要大量人工筛选对齐；一小时的原始记录最终能投入训练的，往往只剩几分钟；各家数据格式互不兼容，不同型号机器人采集的数据几乎无法跨本体复用，形成一座座“数据孤岛”。这些数据工程层面的沉没成本，甚至比数据本身的稀缺更令人头疼。

采集的成本，数据的利用

尽管困难重重，但随着数据工程体系逐步完善，行业正在逼近质变的节点。

当前，有三条路径值得探索：一是仿真与真机协同，通过仿真数据“吃饱”，再用真机数据“吃好”，走通“仿真预训练+真机微调”的技术路径；二是行业亟须统一采集规范与交换标准，让各类物理交互数据真正流通共享；三是探索建设公共数据基础设施，打造国家级或区域性的具身智能数据共享平台，可降低中小企业用数门槛，避免“数据鸿沟”演变为“产业鸿沟”。此外，如何降低真机数据的采集成本、利用算法提升数据的利用效率，也是行业必须攻克的现实课题。

说到底，谁掌握了最多“拧瓶盖”“叠衣物”“端汤碗”的高质量物理轨迹数据，谁就握住了具身智能落地的钥匙。

作者：白杨

来源：《人民数据智库报告》7月上

编辑：许多、韩佳琪（实习）

责编：岳禺宁