5月的宿迁室外气温虽不算太高，但面积不大的制衣厂厂房内还是有些热。工人们正赶制新一批货，她们中有几个人头戴黑色设备，这是京东采集具身智能模型训练数据的仪器。经过上传、清洗、质检、标注等环节后，合格的数据会输入具身智能模型，让模型更加理解真实的物理世界。
今年年初，京东曾宣布，将发动内部超10万名各类职业员工，以及外部最多50万名各行业人员，同时在宿迁发动超10万名市民，参与具身智能数据采集工作。希望在两年内积累超1000万小时人类真实场景视频数据。5月20日，京东宣布全国首个具身智能数据采集社区已在宿迁运行。
对制衣厂的工人们来说，目前数据采集的工作相对轻松，还能获得一定的收入。在宿迁，数采工作的主力军还有宝妈等居家群体。其一日的任务量是完成6个小时数据的采集，大家将日常做家务的动作记录下来，整体每月收入在3000元到3500元。
机器人真正想要走向产业化，负责感知、决策和执行的“大脑”能力的突破是关键，这已是行业共识。然而“大脑”的训练需要烧掉海量“数据燃料”。为了具身智能“数据大厦”的落成，有人已经开始在造“砖”了。
具身智能数采进入社区
具身智能数据采集社区位于宿迁市湖滨新区。从今年4月数据采集社区试运行以来，有不少社区居民报名参与。《每日经济新闻》记者（以下简称每经记者）了解到，采集员经过专业技术人员培训后，在日常做家务过程中就能完成数据采集工作。
正常擦桌子、叠衣服、整理收纳、清洁地面时，他们只需头戴京东自研的JoyEgoCam采集终端即可获取上肢轨迹、力度分布、人与家居环境的交互关系等关键参数。
通过可穿戴设备，普通人也可以在工厂、物流、零售、医疗以及家庭等环境中完成数据采集，从而降低数据采集门槛，拓展采集场景。这也是当下行业共同的解决方案。
一位居家采集人员告诉每经记者，数采机会配备内存卡，内存卡储满数据需要6个小时的采集工作。月收入在3000元到3500元，多劳多得。除数采人员外，衍生出来的还有数据标注师、模型训练师等岗位。
采集回来的数据经过上传、清洗、质检、标注、训练、验证等环节，最终成为“数据燃料”，输入具身智能模型中。
每经记者注意到，除社区外，京东机器人数据采集中心内，还设有零售商超、物流仓储等场景的数据采集区域，相对居家等场景，产线上的数据采集工作需要一定的专业度，工作人员要操作更复杂的设备，更全面记录视觉、触觉、空间轨迹等全维度数据。
京东具身智能数据采集负责人告诉每经记者，这些数据采集完成后，经过完整的数据清洗，形成可用的数据集，用来做模型预训练。相关模型借助这些数据完成学习后，初步具备执行各类任务的泛化能力。最后再把模型搭载到机器人本体，机器人依靠模型推理能力，去执行各类不同任务。
要提高模型的泛化能力
除社区居家场景外，每经记者还实地探访了宿迁的康养中心、果园等。在康养中心，采集员记录协助老人起身、康复训练，给老人喂药等照护动作，为服务机器人提供人类照护行为样本。
在果园内，每经记者了解到，采集内容覆盖果蔬采摘的手眼协调轨迹、农具握持与操作的力学数据、田间不规则地形下的行走与避障动作等，以适应农业作业的复杂环境等特征。
制衣厂的采集员则在缝纫、裁剪、质检等工位作业，记录手部精细操作、多工位流转等数据，为工业柔性操作模型提供小样本、高精度、可复用的训练素材。
那么，具身智能模型的训练究竟需要什么样的数据？
具身智能公司帕西尼数采负责人对每经记者表示，数据收集需要多场景支撑。多场景的数据收集、植入训练的是模型的泛化能力。“就是当你告诉机器人去做任务A、B、C的时候，它通过对A、B、C数据的学习，哪怕之前没有做过D任务，但是经过模拟训练之后，D任务也能做。”
“我们拿到京东的视觉EGO数据集（指多个以第一人称视角为核心的视频数据集集合）后，配合机器人触觉的数据，对人类的日常工作模块进行了补齐。”他表示。
此外，对于具身智能数据采集，他认为最重要的有两点，一是需要覆盖人类的感知层面，二是在数据收集时维持人类原本的意图。“我们在收集的时候不以收集为目标，而是记录人类以当前意图去完成这个任务时，他做出的所有动作。虽然我们看到的数据是动作，但实际上在更深层次，需要训练模型理解做这个任务时人类的行为和意图。”他进一步表示。
具身智能数据缺口很大
觅蜂科技董事长兼CEO（首席执行官）、智元机器人合伙人姚卯青此前公开表示，训练类似ChatGPT-5级别的系统所需语料达百亿小时量级，而具身智能可用数据仅在50万小时量级，规模差距悬殊，还存在标准缺失、质量不一、供需错配等问题。
与大语言模型相比，具身智能的数据积累无疑还处于早期阶段。每经记者此前也从京东方面了解到，其认为具身智能要达到真正可用，至少需要1000万小时级别的真实场景交互数据。然而，当前行业数据规模仅约100万小时，数据缺口高达10倍。
融资规模不断被刷新，量产步伐全面提速，市场规模水涨船高，一年比一年热闹的具身智能赛道，却深陷“数据荒漠”困境，这背后必然有很多不可控因素。如今，京东、智元等公司已经开始做具身智能数据的采集工作。数据采集完成后，这些数据如何真正融入机器人的“大脑”？
京东具身智能相关负责人告诉每经记者，底层硬件设备完成物理世界真实数据采集后，需要被送至“工具层”，可以理解为用一个“工具箱”进行数据处理、模型训练以及仿真评测等。
“再往上就是模型层，也就是所谓的‘大脑’，包含VLA模型（视觉-语言-动作模型）、VLN模型（视觉-语言导航）、世界模型等核心能力。最顶层就是应用层，就是这些技术最终落地的场景，比如家政服务、物流配送、医疗辅助、零售服务、工业制造等。”该负责人透露。
机器人如何在物流、家庭、工业等现实场景中真正“落地生根”并发挥作用？这仍是一个需要大量机器人整机企业、具身智能数据公司反复探索并倾注全部心血去解答的问题。这场关于具身智能基础设施的竞赛没有终点，谁先打通道路、积累足够的“数据燃料”，谁就更有可能在机器人“大脑”时代的赛跑中，抢占未来的主动权。
5月的宿迁室外气温虽不算太高，但面积不大的制衣厂厂房内还是有些热。工人们正赶制新一批货，她们中有几个人头戴黑色设备，这是京东采集具身智能模型训练数据的仪器。经过上传、清洗、质检、标注等环节后，合格的数据会输入具身智能模型，让模型更加理解真实的物理世界。
今年年初，京东曾宣布，将发动内部超10万名各类职业员工，以及外部最多50万名各行业人员，同时在宿迁发动超10万名市民，参与具身智能数据采集工作。希望在两年内积累超1000万小时人类真实场景视频数据。5月20日，京东宣布全国首个具身智能数据采集社区已在宿迁运行。
对制衣厂的工人们来说，目前数据采集的工作相对轻松，还能获得一定的收入。在宿迁，数采工作的主力军还有宝妈等居家群体。其一日的任务量是完成6个小时数据的采集，大家将日常做家务的动作记录下来，整体每月收入在3000元到3500元。
机器人真正想要走向产业化，负责感知、决策和执行的“大脑”能力的突破是关键，这已是行业共识。然而“大脑”的训练需要烧掉海量“数据燃料”。为了具身智能“数据大厦”的落成，有人已经开始在造“砖”了。
具身智能数采进入社区
具身智能数据采集社区位于宿迁市湖滨新区。从今年4月数据采集社区试运行以来，有不少社区居民报名参与。《每日经济新闻》记者（以下简称每经记者）了解到，采集员经过专业技术人员培训后，在日常做家务过程中就能完成数据采集工作。
正常擦桌子、叠衣服、整理收纳、清洁地面时，他们只需头戴京东自研的JoyEgoCam采集终端即可获取上肢轨迹、力度分布、人与家居环境的交互关系等关键参数。
通过可穿戴设备，普通人也可以在工厂、物流、零售、医疗以及家庭等环境中完成数据采集，从而降低数据采集门槛，拓展采集场景。这也是当下行业共同的解决方案。
一位居家采集人员告诉每经记者，数采机会配备内存卡，内存卡储满数据需要6个小时的采集工作。月收入在3000元到3500元，多劳多得。除数采人员外，衍生出来的还有数据标注师、模型训练师等岗位。
采集回来的数据经过上传、清洗、质检、标注、训练、验证等环节，最终成为“数据燃料”，输入具身智能模型中。
每经记者注意到，除社区外，京东机器人数据采集中心内，还设有零售商超、物流仓储等场景的数据采集区域，相对居家等场景，产线上的数据采集工作需要一定的专业度，工作人员要操作更复杂的设备，更全面记录视觉、触觉、空间轨迹等全维度数据。
京东具身智能数据采集负责人告诉每经记者，这些数据采集完成后，经过完整的数据清洗，形成可用的数据集，用来做模型预训练。相关模型借助这些数据完成学习后，初步具备执行各类任务的泛化能力。最后再把模型搭载到机器人本体，机器人依靠模型推理能力，去执行各类不同任务。
要提高模型的泛化能力
除社区居家场景外，每经记者还实地探访了宿迁的康养中心、果园等。在康养中心，采集员记录协助老人起身、康复训练，给老人喂药等照护动作，为服务机器人提供人类照护行为样本。
在果园内，每经记者了解到，采集内容覆盖果蔬采摘的手眼协调轨迹、农具握持与操作的力学数据、田间不规则地形下的行走与避障动作等，以适应农业作业的复杂环境等特征。
制衣厂的采集员则在缝纫、裁剪、质检等工位作业，记录手部精细操作、多工位流转等数据，为工业柔性操作模型提供小样本、高精度、可复用的训练素材。
那么，具身智能模型的训练究竟需要什么样的数据？
具身智能公司帕西尼数采负责人对每经记者表示，数据收集需要多场景支撑。多场景的数据收集、植入训练的是模型的泛化能力。“就是当你告诉机器人去做任务A、B、C的时候，它通过对A、B、C数据的学习，哪怕之前没有做过D任务，但是经过模拟训练之后，D任务也能做。”
“我们拿到京东的视觉EGO数据集（指多个以第一人称视角为核心的视频数据集集合）后，配合机器人触觉的数据，对人类的日常工作模块进行了补齐。”他表示。
此外，对于具身智能数据采集，他认为最重要的有两点，一是需要覆盖人类的感知层面，二是在数据收集时维持人类原本的意图。“我们在收集的时候不以收集为目标，而是记录人类以当前意图去完成这个任务时，他做出的所有动作。虽然我们看到的数据是动作，但实际上在更深层次，需要训练模型理解做这个任务时人类的行为和意图。”他进一步表示。
具身智能数据缺口很大
觅蜂科技董事长兼CEO（首席执行官）、智元机器人合伙人姚卯青此前公开表示，训练类似ChatGPT-5级别的系统所需语料达百亿小时量级，而具身智能可用数据仅在50万小时量级，规模差距悬殊，还存在标准缺失、质量不一、供需错配等问题。
与大语言模型相比，具身智能的数据积累无疑还处于早期阶段。每经记者此前也从京东方面了解到，其认为具身智能要达到真正可用，至少需要1000万小时级别的真实场景交互数据。然而，当前行业数据规模仅约100万小时，数据缺口高达10倍。
融资规模不断被刷新，量产步伐全面提速，市场规模水涨船高，一年比一年热闹的具身智能赛道，却深陷“数据荒漠”困境，这背后必然有很多不可控因素。如今，京东、智元等公司已经开始做具身智能数据的采集工作。数据采集完成后，这些数据如何真正融入机器人的“大脑”？
京东具身智能相关负责人告诉每经记者，底层硬件设备完成物理世界真实数据采集后，需要被送至“工具层”，可以理解为用一个“工具箱”进行数据处理、模型训练以及仿真评测等。
“再往上就是模型层，也就是所谓的‘大脑’，包含VLA模型（视觉-语言-动作模型）、VLN模型（视觉-语言导航）、世界模型等核心能力。最顶层就是应用层，就是这些技术最终落地的场景，比如家政服务、物流配送、医疗辅助、零售服务、工业制造等。”该负责人透露。
机器人如何在物流、家庭、工业等现实场景中真正“落地生根”并发挥作用？这仍是一个需要大量机器人整机企业、具身智能数据公司反复探索并倾注全部心血去解答的问题。这场关于具身智能基础设施的竞赛没有终点，谁先打通道路、积累足够的“数据燃料”，谁就更有可能在机器人“大脑”时代的赛跑中，抢占未来的主动权。
日本《朝日新闻》近日发表题为《深海之光——极端环境是创意宝库》的文章，作者是樱井林太郎，编译如下：在被称为最后未开垦地的深海，有着低温、高压、黑暗等极限环境。能否从这些极限环 记者3月20日来到广东深汕西高速公路改扩建施工现场，看到智能机器人、自动化生产线等智能制造设备在不停运行。3月19日—20日，由茅以升科技教育基金会和广东省交通集团联合主办的全国高速 近年来，电动自行车以便利性受到大众青睐，但相关起火事故威胁着居民的生命财产安全。据国家消防救援局发布的统计数据，2023年全国共接报电动自行车火灾2.1万起，比2022年增加17.4%。电动自行车起火 联合国机构3月20日发布的《全球电子垃圾监测》报告显示，2022年全球范围内共产生6200万吨电子垃圾，其中仅有不到四分之一被回收利用。报告显示，2022年全球电子垃圾的产生量相比2010年增长了82%。 回望一加去年的整体节奏，如果要用一个词来总结其数字系列和Ace系列的概况，那就是“卷”！从外观质感、内存性能到整机体验，与友商的相互竞争中，一加表现的都比较强势，搭配清晰的产品定位策略和稳扎稳打 美国佐治亚理工学院机械工程师开发了一种控制机器人外骨骼的通用方法。无需专门训练、特别校准，对复杂算法进行调整后，用户穿上外骨骼就可以直接行走。研究成果3月20日发表在《科学·机 。本文链接：宝妈的家务活能帮京东AI闯进物理世界吗？http://www.sushuapos.com/show-2-16311-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。