一、机器人数据正在「摆脱」机器人2026年具身智能行业关键目标是“百万小时数据”。1月鹿明机器人预计年内建成超100万小时UMI数据采集产能5月灵初智能年底达100万小时北京人形机器人创新中心迈向“全球首个百万小时高质量数据”目标6月星海图联合北京亦庄启动计划当年完成百万小时未来三年走向千万小时。ChatGPT让scaling law成AI核心经验如今机器人也有望从海量数据中学习。一位负责人称“100万小时”参考GPT3时期语料规模此尺度下具身智能或对标GPT3/GPT3.5。要让机器人学会叠衣服可通过遥操作设备控制机械臂采集真机数据但真机数据获取难、成本高、与硬件相关性强。2023年Open X - Embodiment项目汇集不同实验室数据提升模型迁移和泛化能力。2024年出现UMI采集办法效率高、成本低但需专用夹爪设备。2024年10月EgoMimic把采集工具简化成眼镜采集门槛低但离实际控制链路远。2024年10月发布的π0将不同来源数据放入基础模型框架2025年2月开放代码和模型权重。二、10亿级数据预算能换回什么100万小时数据若全用带标注真机数据成本达10亿元全用UMI全流程数据约4亿 - 6.5亿元全用Ego数据只需3亿元。模型训练通常用多种数据Ego和UMI数据低成本覆盖多场景真机数据接近最终控制。2026年7月发布的Xiaomi - Robotics - 1分预训练和后训练阶段预训练用10万小时UMI轨迹后训练用7200多小时真机数据等。小米评测显示预训练数据规模增加可提升新任务学习效率。Physical Intelligence的π0.5采用不同数据组合训练结果表明不同数据作用不同。因此10亿元买数据需考虑数据构成、比例和训练阶段。三、Scaling已验证有效为什么100万小时还不是临界点2026年WAIC论坛上姚卯青定义具身机器人“ChatGPT时刻”为能“开箱即用”。EgoScale、Genesis等研究表明扩大数据规模通常能降低模型损失、改善真机表现。但目前无足够证据表明100万小时是能力跃迁临界点因为机器人数据“小时”非标准化单位现有实验规模不足且持续上升曲线不能证明整数节点有新能力。提前采集的100万小时是静态数据机器人进入真实环境还需处理意外情况。具身行业大咖认为机器人要进化需数据回流。100万小时是工业化里程碑但能否带来“ChatGPT时刻”尚无定论。
