BB贝博登录平台:

  学习如何“做人”这件事上，数据是核心要素——但它们大多诞生于实验室或特定“数据工厂”，由专业团队设置模拟场景、反复演练、录制。然而，一千个家庭就有一千张不同的餐桌，饮食上的习惯不同、物品摆放各异，甚至还随时有可能有一只猫突然跳上来。

  如何让具身智能更接近“人”？上海AI企业“穹彻智能”推出“口袋机采（RoboPocket）方案”——仅由智能手机、APP和轻巧机械手，就可以实现轻量化、可控且高质量的数据采集。这在某种程度上预示着，在家庭、办公室等各种真实场景，普通人也能成为的“训练导师”。

  “在过去，具身智能数据采集大多通过雇佣专职的数采人员在数采工厂中完成，现在我们想让每一个人能在自己家里为具身智能采集有价值的数据。”穹彻智能研究科学家吕峻在接受新民晚报记者正常采访时说，“这在某种程度上预示着，数据采集从有限的物理空间，走向全社会。”

  长期以来，具身智能（即让具备感知、决策、执行能力）的发展受限于高质量数据的获取。传统采集依赖固定场所、昂贵设备和专业技术人员，成本高、场景单一，难以覆盖真实世界的复杂性。

  回顾无人驾驶的发展，当系统从实验室走向真实道路，数据也从少量、受控的采集，转向在真实场景中的规模化沉淀，推动模型能力的快速演进。“具身智能与其他领域不相同，没有现成的海量的能给机器人学习的行为数据，我们应该找到一个方式记录人类世界千奇百怪的各种行为，来训练具身智能的大模型。”吕峻说，“显然，工厂式场景是远远不足的。”

  RoboPocket试图打破围墙。二指机械手可完成一系列的操作任务，架上智能手机即组成智能采集模块，借助手机摄像头、深度传感器和算力，能够实时构建环境地图、指导动作、检验测试的数据质量。用户在家叠毛巾、整理零食、摆放酒杯等日常动作，均可转化为机器人可学习的操作信号。采集过程还能即时反馈确保数据质量，做到“现场把关”，让后续数据处理从“灾难性清洗”变成“有监督的筛选”。

  此外，除了可提供“手的第一视角”，RoboPocket支持灵活加入“第一人称视角”，使用者在头部加挂一台手机，就能够最终靠多机快速对齐实现同一空间坐标。在此基础上，多个手机可共享“时空”坐标，突破双臂配对的技术难点。

  这套方案降低了参与门槛，能让普通人成为数据贡献者。吕峻透露，未来用户可通过完成数据采集任务获得相应激励，“通过众包的模式，每个人在家就能参与采集数据，获得一定的回报，而数据也因此更真实多样”。一个不太会叠衣服的人，他的数据也有价值。吕峻解释说，现实世界本就存在不完美，机器人既要学会正确操作，也要能识别“不太对”的情况。

  RoboPocket背后是一整套数据认知体系与模型训练管线。围绕“有用的数据”，2023年穹彻智能联合上海交通大学发布RH20T数据集，2025年推出CoMiner野外伴随采集系统，RoboPocket 则要将数据生产权交给社会大众，希望形成“人人可参与、数据有价值、模型能进化”的正向循环。

  “手把手”教机器人将发生在身边。收纳师、咖啡师、药剂师、家庭主妇……每个职业、每种生活小习惯，都将成为机器人学习的潜在教材。