文 | 田哲
編輯 | 蘇建勛
2025年初，我們了解到一件事，國內具身智能獨角獸“智元機器人”（就是B站知名UP主“稚暉君”當CTO的那家公司），在上海，建了一座“數(shù)據(jù)采集工廠”（簡稱“數(shù)采廠”）。
這是啥？為啥建？怎么采？一系列疑惑涌上我們心頭，我們決定去看一看。
當然了，在去之前，我們對一家“數(shù)采廠”的工作流程，有一些非常刻板的想象——在堆滿服務器黑盒子的昏暗房間，掛著黑眼圈、發(fā)量堪憂的程序員，機械地敲著鍵盤輸入代碼……
錯錯錯！當《智能涌現(xiàn)》抵達智元機器人位于上海浦東的數(shù)采廠，發(fā)現(xiàn)現(xiàn)實和我們的想象，截然不同！
毫不夸張地說，這完全是美國電影《星球大戰(zhàn)》的片場！
《星球大戰(zhàn)》電影海報；圖源網(wǎng)絡
在這座3000平方米的數(shù)采廠中，不同主題的房間占據(jù)了工廠的絕大部分面積，每個房間都精心還原了現(xiàn)實生活的物件布局，機器人就在不同的場景中執(zhí)行不同任務。
在臥室中，機器人乖巧地學習疊衣服。
機器人學習疊衣服；圖源：智元機器人
在餐桌前，機器人把餐具挨個擺放整齊。
機器人擺放餐盤；圖源：《智能涌現(xiàn)》拍攝
機器人還要學會打餐各式菜肴，并且不會手抖。
機器人正在用勺子舀雞蛋；圖源：《智能涌現(xiàn)》拍攝
而在商超收銀臺前，機器人一只手拿掃碼器，另一只手拿著商品掃碼。
智元機器人正在學習商品掃碼；圖源：《智能涌現(xiàn)》拍攝
參觀結束后，《智能涌現(xiàn)》見到了數(shù)采廠負責人姚卯青，他也是智元機器人具身產(chǎn)品線總裁、研究院執(zhí)行院長，負責數(shù)據(jù)驅動具身智能產(chǎn)品研發(fā)。
此前，姚卯青曾在Waymo、蔚來汽車等公司負責研發(fā)感知算法、端到端大模型。
姚卯青告訴《智能涌現(xiàn)》，機器人每完成一個動作，就相當于一條數(shù)據(jù)，數(shù)據(jù)將通過機器人的主機上傳至云端，智元機器人團隊將利用這些數(shù)據(jù)訓練機器人的大模型，從而讓機器人真正掌握一項技能，比如沖咖啡、熨衣服等。
為了讓機器人快速學習技能，智元為它們安排了一對一教學老師——數(shù)據(jù)采集員，他們都是年輕有活力的小哥哥小姐姐，為了更好地教機器人完成動作，采集員也需要肢體協(xié)調，動作標準。
數(shù)據(jù)采集員們手持設備，手把手地控制機器人完成抓、握、放等動作。有時他們也會頭戴VR設備，更精準地讓機器人模仿學習人類動作。
據(jù)了解，現(xiàn)在智元數(shù)據(jù)采集工廠投放了近百臺機器人，日均采集3-5w條數(shù)據(jù)。
而為了讓機器人更快在不同環(huán)境中掌握盡可能多的技能，智元數(shù)據(jù)采集工廠模擬了家庭、零售、服務業(yè)、餐飲、工廠五個場景。
在這里，你能發(fā)現(xiàn)商超內不僅有各類零食，還有葡萄酒、香煙，甚至連蔬果的價錢也標好了。
智元機器人模擬的商超；圖源：《智能涌現(xiàn)》拍攝
也有一批機器人分散在各自“工位”，在桌前學習簡單地疊衣服等技能。
機器人們在工位學習不同技能；圖源：《智能涌現(xiàn)》拍攝
據(jù)了解，數(shù)采廠面積還將增加1000平方米，可增加更多場景的同時，也能根據(jù)客戶需要定制化模擬場景。
不過，目前行業(yè)內少見打造如此多樣場景的機器人公司，一個問題隨之而來：智元機器人下決心打造數(shù)據(jù)采集工廠，這一過程是如何展開的？
為具身智能機器人，打造數(shù)據(jù)養(yǎng)料場
對于大多數(shù)初創(chuàng)公司而言，將高額資金建設一座工廠用于數(shù)據(jù)采集，風險無疑是巨大的，而智元機器人似乎沒有猶豫，僅僅用了一個多月就完成搭建數(shù)據(jù)采集工廠。
促使智元機器人不惜高成本打造數(shù)采廠，這背后，行業(yè)現(xiàn)存數(shù)據(jù)量在供給側上的巨大空白。
2024年6月，智元機器人決定研發(fā)機器人具身智能大模型，這需要海量數(shù)據(jù)以訓練大模型。
姚卯青告訴《智能涌現(xiàn)》，機器人通過數(shù)百條數(shù)據(jù)學會一個技能，這些動作往往都是長程任務，比如沖泡咖啡，熨衣服等。
他們曾試圖尋找行業(yè)內的開源數(shù)據(jù)庫，但發(fā)現(xiàn)高質量、統(tǒng)一格式的數(shù)據(jù)幾乎不存在。即使行業(yè)內開源了百萬條由真實機器人收集的訓練數(shù)據(jù)集，但是這些數(shù)據(jù)實際上由不同公司、不同型號規(guī)格的機器人采集，數(shù)據(jù)質量較低，達不到智元的要求。
姚卯青表示，不同傳感器和形態(tài)的數(shù)據(jù)差異過大，將削弱整體訓練效果，比如一個六軸機械臂的數(shù)據(jù)在七軸靈巧手機器人上幾乎無法復用，因此需要統(tǒng)一標準的數(shù)據(jù)。
而讓智元下決心建設數(shù)采廠，這個過程也很簡單。
姚卯青表示，智元機器人采集了幾千條數(shù)據(jù)用于訓練算法，雖然能讓機器人順利完成某個動作，但是無法泛化——如果改變物體種類、顏色甚至光線，都將影響機器人再次完成同樣的動作。因此智元機器人決定建設工廠大規(guī)模采集數(shù)據(jù)。
不同房間的機器人正在采集數(shù)據(jù)；圖源：《智能涌現(xiàn)》拍攝
數(shù)采廠未來將源源不斷為機器人學習提供數(shù)據(jù)養(yǎng)料。據(jù)了解，智元數(shù)據(jù)采集工廠投入使用兩個多月，就采集了超百萬量級真機數(shù)據(jù)集，采集任務超一千種，每個任務都包含幾百條數(shù)據(jù)，一些特別難的長程任務可達幾千條。
“不久后我們將擁有超千萬條數(shù)據(jù)。”姚卯青笑著說。
探尋機器人的Scaling Law
在采集數(shù)萬條機器人重復動作后，智元機器人收獲了一些意外之喜：機器人能夠在未經(jīng)訓練的情況下，根據(jù)要求控制倒水量；只教了機器人幾十次，就能學會疊褲子。
這正是智元機器人想要打造的機器人——能夠自主理解人類指令和外部環(huán)境，并能適應復雜的環(huán)境。
智元希望機器人能夠更換不同品牌、型號的咖啡機配件；圖源：《智能涌現(xiàn)》拍攝
過去數(shù)十年，機器人的控制往往依賴人們的預設規(guī)則，向機器人輸入情況描述以及應對方式的規(guī)則，機器人在相應情況下完成操作。然而機器人遇到的情況千變萬化，難以依靠提前輸入規(guī)則就能讓機器人應對所有情況。
在大模型應用爆發(fā)后，讓機器人從冰冷的軀體有了智力，能夠理解世界和人類。而智元機器人正在研發(fā)的，是具備端到端大模型的機器人，通用能力更強且反應速度更快。
機器人從接受指令到完成動作通常有三個步驟：感知外部環(huán)境，做出決策、控制肢體執(zhí)行任務，信息在這一鏈條傳遞中可能出現(xiàn)失真，從而影響機器人完成動作。
但端到端大模型，不需要分模塊，更不依賴精準測量，就像人類超車前，不會下車測量兩車之間的距離，再進行超車。
智元機器人對端到端大模型機器人的設想是，機器人能夠接受人類的復雜指令，比如讓機器人從遠處取來手機，或者從冰箱里拿一包薯片。這些指令不僅考驗著機器人對任務的理解能力，還要求機器人能夠識別物體，并完成移動到相應地點、取物，返回，提交物品。
但是達到這一狀態(tài)并不容易。姚卯青表示，需要不斷向大模型投喂數(shù)據(jù)，數(shù)據(jù)量越大，大模型在某一場景表現(xiàn)會更接近人類，他預估的數(shù)據(jù)量為幾千萬條到1億條，機器人的Scaling Law遠未到來。
《智能涌現(xiàn)》了解到，機器人需要軟硬件結合，僅有其中之一都難以讓機器人技術迅速發(fā)展。美國的硬件成本較高，因此美國機器人初創(chuàng)公司大多只研發(fā)算法。中國已有供應鏈優(yōu)勢，結合數(shù)據(jù)和自研的硬件，會讓算法、硬件、軟件快速迭代。
姚卯青相信，中國機器人技術的整體進度已與美國不相上下，因為美國的人工成本比國內高出十倍，還得從中國采購各種零部件。
智元機器人用更低的成本和高效的迭代速度，拓展了場景模擬和數(shù)據(jù)采集規(guī)模，那些在美國機器人公司看來“遙不可及”的技術，正在中國的數(shù)據(jù)采集工廠不斷流淌的數(shù)據(jù)中，一點點接近成為現(xiàn)實。
熱門跟貼