我們去看了智元機器人的「數采廠」,等等!這不是《星球大戰》片場嗎?
文 | 田哲
編輯 | 蘇建勳
2025年初,我們瞭解到一件事,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「數據採集工廠」(簡稱「數采廠」)。
這是什麼?為什麼建?怎麼采?一系列疑惑湧上我們心頭,我們決定去看一看。
當然了,在去之前,我們對一家「數采廠」的工作流程,有一些非常刻板的想像——在堆滿服務器黑盒子的昏暗房間,掛著黑眼圈、發量堪憂的程序員,機械地敲著鍵盤輸入代碼……
錯錯錯!當《智能湧現》抵達智元機器人位於上海浦東的數采廠,發現現實和我們的想像,截然不同!
毫不誇張地說,這完全是美國電影《星球大戰》的片場!

在這座3000平方米的數采廠中,不同主題的房間佔據了工廠的絕大部分面積,每個房間都精心還原了現實生活的物件佈局,機器人就在不同的場景中執行不同任務。
在臥室中,機器人乖巧地學習疊衣服。

在餐桌前,機器人把餐具挨個擺放整齊。

機器人還要學會打餐各式菜餚,並且不會手抖。

而在商超收銀台前,機器人一隻手拿掃碼器,另一隻手拿著商品掃碼。

參觀結束後,《智能湧現》見到了數采廠負責人姚卯青,他也是智元機器人具身產品線總裁、研究院執行院長,負責數據驅動具身智能產品研發。
此前,姚卯青曾在Waymo、蔚來汽車等公司負責研發感知算法、端到端大模型。
姚卯青告訴《智能湧現》,機器人每完成一個動作,就相當於一條數據,數據將通過機器人的主機上傳至雲端,智元機器人團隊將利用這些數據訓練機器人的大模型,從而讓機器人真正掌握一項技能,比如衝咖啡、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——數據採集員,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,採集員也需要肢體協調,動作標準。
數據採集員們手持設備,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。
據瞭解,現在智元數據採集工廠投放了近百台機器人,日均採集3-5w條數據。
而為了讓機器人更快在不同環境中掌握儘可能多的技能,智元數據採集工廠模擬了家庭、零售、服務業、餐飲、工廠五個場景。
在這裏,你能發現商超內不僅有各類零食,還有葡萄酒、香菸,甚至連蔬果的價錢也標好了。

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。

據瞭解,數采廠面積還將增加1000平方米,可增加更多場景的同時,也能根據客戶需要定製化模擬場景。
不過,目前行業尼馬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據採集工廠,這一過程是如何展開的?
為具身智能機器人,打造數據養料場
對於大多數初創公司而言,將高額資金建設一座工廠用於數據採集,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據採集工廠。
促使智元機器人不惜高成本打造數采廠,這背後,行業現存數據量在供給側上的巨大空白。
2024年6月,智元機器人決定研發機器人具身智能大模型,這需要海量數據以訓練大模型。
姚卯青告訴《智能湧現》,機器人通過數百條數據學會一個技能,這些動作往往都是長程任務,比如衝泡咖啡,熨衣服等。
他們曾試圖尋找行業內的開源數據庫,但發現高質量、統一格式的數據幾乎不存在。即使行業內開源了百萬條由真實機器人收集的訓練數據集,但是這些數據實際上由不同公司、不同型號規格的機器人採集,數據質量較低,達不到智元的要求。
姚卯青表示,不同傳感器和形態的數據差異過大,將削弱整體訓練效果,比如一個六軸機械臂的數據在七軸靈巧手機器人上幾乎無法複用,因此需要統一標準的數據。
而讓智元下決心建設數采廠,這個過程也很簡單。
姚卯青表示,智元機器人採集了幾千條數據用於訓練算法,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模採集數據。

數采廠未來將源源不斷為機器人學習提供數據養料。據瞭解,智元數據採集工廠投入使用兩個多月,就採集了超百萬量級真機數據集,採集任務超一千種,每個任務都包含幾百條數據,一些特別難的長程任務可達幾千條。
「不久後我們將擁有超千萬條數據。」姚卯青笑著說。
探尋機器人的Scaling Law
在採集數萬條機器人重覆動作後,智元機器人收穫了一些意外之喜:機器人能夠在未經訓練的情況下,根據要求控制倒水量;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境,並能適應複雜的環境。

過去數十年,機器人的控制往往依賴人們的預設規則,向機器人輸入情況描述以及應對方式的規則,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則就能讓機器人應對所有情況。
在大模型應用爆發後,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:感知外部環境,做出決策、控制肢體執行任務,信息在這一鏈條傳遞中可能出現失真,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複雜指令,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,並完成移動到相應地點、取物,返回,提交物品。
但是達到這一狀態並不容易。姚卯青表示,需要不斷向大模型投喂數據,數據量越大,大模型在某一場景表現會更接近人類,他預估的數據量為幾千萬條到1億條,機器人的Scaling Law遠未到來。
《智能湧現》瞭解到,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展。美國的硬件成本較高,因此美國機器人初創公司大多隻研發算法。中國已有供應鏈優勢,結合數據和自研的硬件,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,還得從中國採購各種零部件。
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據採集規模,那些在美國機器人公司看來「遙不可及」的技術,正在中國的數據採集工廠不斷流淌的數據中,一點點接近成為現實。