衡宇 發自 凹非寺
量子位 | 公眾號 QbitAI

現在，一部手機，加一個“夾爪”，就能隨時隨地完成具身智能數據采集了！

采出來的數據不臟也不廢，已經在實際模型訓練中跑出了效果。

模型在多步連續任務中動作銜接更穩定；

在真實場景中面對光照變化、環境雜亂、物體遮擋時也更不容易失手，執行魯棒性顯著提升；

而當任務發生小幅變化，比如同類但不同順序的操作目標出現時，模型也更容易舉一反三，做出合理應對。

這套采集系統，模型效果是純純地全肯定。

這套可搭載手機的數采終端及其配套應用程序，名叫RoboPocket，來自具身智能創企穹徹智能。

它是新興采集設備UMI（Universal Manipulation Interface）的進階狀態。

和傳統UMI方案相比，RoboPocket保持便攜易用的基礎上，更加輕盈：手機+夾爪即是一個節點。

如此一來，每個人——哪怕是普通人，都可以從口袋里掏出RoboPocket，隨時隨地采集具身數據。

但這還算不上它最出彩的地方。

最妙的是，RoboPocket把模型需求前置到采集一線，讓你隨時接入模型的訓練閉環。

采集行為發生時，系統會同步判斷每一段數據的訓練價值，并即時給出反饋與引導，盡量讓采集行為本身就朝著模型真正需要的方向收斂。

每一次采集都直接服務于模型進化，浪費不了一點。

在數據還在生成的過程中，就對其完成了價值篩選。

最終采來交付給模型的數據從采集源頭就來得更加清晰，更加準確，對模型也更有用。

具身模型想scale up，卡在數據哪一步？

在具身智能領域，數據的重要性幾乎是共識性的。

具身模型們嗷嗷待哺，等待大量高質量、多樣性的具身數據的投喂。

從2023年起，許多團隊投入大量資源建設數采廠，希望通過規模化生產來支撐模型訓練。

實踐很快暴露出一個現實問題，數采流水線建起來了，數據量上來了，模型能力卻并沒有穩定持續地提升。

原因并不神秘。

數采廠依賴的是預設場景和標準化流程，這種方式在工業數據中行之有效，但在具身智能里，很難覆蓋真實世界中大量非標準、非重復的操作情境。

動作容易趨于模式化，任務分布集中，環境變化有限，數據之間高度相似，訓練收益很快出現邊際遞減。

有相關從業人員告訴我們，現在的具身數據一天比一天多了，結果訓練效率出現不升反降情況。

而具身模型真正需要的，恰恰是那些發生在真實環境中的、不那么規整的操作過程。

這也是UMI出現的背景。

UMI輕量便攜，更易使用，一方面減少了數采成本，更重要的是開始讓具身數據采集擺脫了固定場地的限制。

任何人，可以在室內和戶外的任何真實世界場景里自然完成操作。

如此一來，采集的數據也是貼近現實分布的。這就彌補了數采廠和真實世界存在gap的問題。

但當UMI開始被業界認可和逐漸大規模使用后，新的問題也隨之顯現。

在真實場景中，采集更自由了，但質量控制隨之變難了。

動作是否有效？軌跡是否合理？采集節奏是否適合訓練？這些問題往往只有數據回傳清洗，開始拿來訓模型的后處理階段才能發現。

大量低價值數據被一路送進管線，清洗與返工成本迅速抬升，訓練周期被不斷拉長。

所以關于UMI的“不可能三角”被抬到了臺前——

采集質量、使用便捷性與后處理壓力三者難以同時優化。

如果追求采集質量，就往往要犧牲便攜性；如果降低門檻提高便攜性，比如像傳統UMI僅靠腕部模組或“人-夾爪”采集，就又很難保證數據的可用性；如果希望用后處理階段兜底，就意味著要承受高昂的清洗、篩選與修復成本，訓練閉環被迫拉長。

現有的UMI方案并沒有解決“采得的數據能不能用”這個問題——這一點恰恰對模型訓練至關重要。

于是，穹徹團隊決定回到問題的原點，重新出發。

他們從第一性原理出發，提出一個關鍵設想。

• 如果模型訓練最終還是要根據數據結構做判斷與篩選，那么為什么這件事不能在數據采集階段就發生？

這個問題其實是行業遲遲沒直面解決的。因為一旦著手解決，就意味著采集邏輯、平臺架構、成本結構、人才組織……都得變。

而RoboPocket第一次把它變成了現實。

內置一套實時運行的“數據價值中樞系統”

相比于過往的UMI設備，RoboPocket的關鍵改變集中體現在采集目標本身的定義上。

傳統UMI的普遍默認采集目標是“記錄人類操作行為”。

也就是通過腕部模組、夾爪、軌跡重建等方式，盡可能完整地還原人類執行任務的過程。

在訓練初期，這確實能為模型提供基本行為模板。

但隨著模型走向更高維度、更長時序、更復雜場景，記錄動作本身已不足以滿足訓練所需。

RoboPocket開始嘗試把采集的目標轉向模型的能力缺口。

模型還不會的，才是最值得采的數據。

基于這個理念，RoboPocket系統內置了一套實時運行的“數據價值中樞系統”。

這套系統不再等數據采完后才去篩選、分類、評估，而是在采集發生的當下，就開始實時進行判斷。

不難想象，一旦沒有模型視角，采集很容易在堆量的過程中滑向重復、失真和低價值。

只有知道模型此刻真正需要什么樣的數據，才有能力搭建好這個中樞系統。

穹徹和上交大盧策吾團隊敢攬這個瓷器活，人家是真有公認的金剛鉆。

團隊長期從事具身模型訓練與數據閉環研究，既懂單點采集工具（此前推出過多款具身數據采集硬件），也懂圍繞具身模型訓練、評估與數據回流的完整閉環研究。

他們最清楚哪些軌跡會變成有效訓練信號，哪些看起來熱鬧但只會拖慢訓練，也更清楚模型在不同任務維度上的短板通常出在哪里，應該用什么樣的樣本去補。

這種能力依賴的不只是工程實現，而是對模型的長期理解與持續驗證，所以很難被復制。

采集數據的過程中，RoboPocket同時在推進并完成三件事——

第一是實時評估。

在每一幀數據生成時，系統都會判斷采集到的數據是否具備有效的訓練信號，比如操作是否完整、動作是否在預期軌跡內、場景是否具備信息量。

第二是即時引導。

如果系統檢測到采集者的操作可能低效或錯誤，比如動作過快、夾爪超出操作區域、多樣性不足等，就會實時發出提醒，引導采集者進行調整，避免采到低價值甚至廢棄的數據。

第三是動態調度。

這一環節則直接接入當前模型的能力評估結果。

系統會根據模型在不同任務維度上的表現，識別出當前訓練最需要補齊的樣本類型，并實時分發相應的高優先級采集任務給采集者。

說句更好理解的話，RoboPocket就是個24小時stand by的數據采集主理人。

它即時診斷每一幀數據的質量，智能指導甚至糾正采集員動作，實時互動動態評估數據價值，為后處理提供篩選依據。

這樣一來，在采集階段，數據就和訓練目標保持貼合，顯著減少冗余，訓練信號更加集中。

穹徹團隊介紹，RoboPocket采集的數據在訓練中展現出顯著優勢。

尤其是在開放復雜環境中的多步驟任務中，模型執行的穩定性更強，不容易因光照變化、背景變化或任務干擾而出錯，準確識別每一步的上下文意圖，在不確定情境下仍保持清晰的目標推進邏輯。

無論是精準完成零食分揀裝袋，還是毛巾折疊整理，模型可以保持穩定、高效的協同作業，展現了卓越的雙臂協同與長序列操作能力。

此外，在環境復雜度提升、干擾增多的場景下，也能維持較高的成功率和一致性。

這顯現出一個重要趨勢：

得益于采集過程更貼近真實任務，采集體系增強了訓練匹配能力，模型開始從“能夠粗糙地完成任務”向“能在非理想條件下可靠完成任務”演進。

而數據采集開始成為面向模型能力補齊的持續行為，這讓數據采集開始具備閉環屬性。

一旦采集與模型訓練形成聯動，整個數據系統的運行效率將得到顯著提升。

從堆量走向邊采邊篩，數據采集的分水嶺來了

如果放進更長的時間尺度來看，RoboPocket就不能視為一次孤立的產品更新。

機器人學習的發展，本質上是一部數據采集方式不斷演進的歷史。

最初，機器人只能在實驗室中完成標準任務，數據由少數研究人員在封閉環境中錄制。

隨著具身智能的發展，數據開始走向規模化采集場，遙操作與人機協作帶來大規模機器人數據。

2023年，穹徹智能聯合上海交通大學盧策吾團隊共同發布RH20T，機器人操作數據在中國首次實現系統性的規模化采集。但截至這一時期，機器人數據采集依然主要依賴預設場景。

2024年，斯坦福大學推出的UMI讓采集設備更加輕量和簡單，數據采集開始轉向“自然發生”。

2025年，穹徹智能推出CoMiner伴隨式數據采集系統，機器人開始走出采集場，進入真實世界，在開放環境中獲取更加多樣、復雜的操作數據。

梳理這個過程可以看到，具身數據一步步走出搭建的實驗場景，愈來愈貼近現實。

2026年，RoboPocket的出現，將機器人數據采集，從特定場所與專業系統徹底釋放到整個社會中。

手機成為節點，每個普通人可以參與采集。

無可否認，這是一次采集范式從“專業體系”走向“社會化網絡”的轉變。

當然啦，采什么、怎么采、優先級如何，這些都不是由人隨意決定的。

這時候，前端連接真實世界的分散場景，后端連接任務庫、模型訓練與評估系統的RoboPocket，就起到了數據入口與調度中樞的雙角色作用。

正因為有這套持續在線的判斷與調度機制，數據采集才第一次具備了真正社會化的前提條件。

數采員可以是每一個普通人，但采集行為始終根據模型需求由數據中樞系統統一牽引調度。

長期來看，會推動具身數據從工具競爭邁向體系競爭。

誰的數據采集流程更早地接入模型反饋、誰的任務設計天然適配訓練目標，誰就能更快積累泛化能力與落地魯棒性。

行業普遍認為具身智能還在上半場，期待著這個領域和大模型一樣，能夠用暴力美學帶來能力涌現。

所有人都在往具身模型里扔更多數據，但真正贏的人，一定率先解決了其它更深層次的問題。

既然如此，對想要持續scale up的具身智能行業來說，數據采集從源頭就對齊目標就是一場遲早會發生的機制變動。

因為未來模型之間的差距，很可能就源于數據閉環的建設深度。