进入2026年，具身智能的数据生产正在提速。

数采工厂加快建设，第一视角采集、穿戴式运动捕捉、光学动捕、真机遥操作和物理仿真等技术路线同时推进。行业对数据的关注，也逐渐深入到更具体的问题：采集规模扩大以后，这些数据能否真正提升机器人的稳定性和泛化能力？

真人动作如何映射到结构不同的机器人？视觉、触觉、力觉和物体状态如何完成时空对齐？不同本体采集的数据能否迁移复用？一条数据究竟有没有价值，又该通过什么方式验证？

这些问题决定了数据能否由一次性的训练材料，沉淀为可以反复使用的机器人数据资产。

6月16日，在2026张江EAI（张江具身智能供应链大会）的【具身智能时代的“数据基座”与进化引擎】主题圆桌对话中，同济大学电子与信息工程学院教授、未来机器人实验室负责人齐鹏与灏存科技创始人兼CEO熊鹏航、谋先飞创始人兼CEO崔汉青、博登智能创始人&CEO赵捷、青瞳视觉创始人&CEO张海威，就真人数据、物理仿真、多模态采集、数据重定向和真实场景数据等问题展开讨论。

四家企业分别处于人体运动数据采集、物理仿真、真机数据采集标注和光学动作捕捉等环节。机器人大讲堂根据现场发言进行了梳理，以下为详细对话内容。

01.

什么样的数据，才能真正用于机器人训练？

齐鹏：进入2026年，具身数据正在由零散采集进入工厂化生产阶段。现在的数据量越来越大，但行业真正需要的是什么样的数据？首先请灏存科技的熊总分享。

熊鹏航：现在每天生产的数据都在快速增长，但什么样的数据才是机器人训练真正需要的、有价值的数据，整个行业仍在探索。

灏存科技的一个基本判断是，目前大部分人形机器人和半人形机器人，在结构设计上都参考了人体工程学。手指有多少个关节，手臂、腿部和躯干如何运动，很多机器人都采用了接近人体的构型。因为人类社会是按照人类的体型与构型完成了构建，机器人要进入这些环境，为人类完成任务，就需要理解人的动作方式。

在这种情况下，使用高质量真人数据训练机器人，效率会更高。机器人可以通过这些数据学习人类如何完成动作，以及人希望它完成什么任务。

当然，半人形机器人、夹爪机器人等不同形态产生的数据，同样具有重要价值。

齐鹏：接下来请谋先飞的创始人&CEO崔汉青分享下 ，侧重于数据采集的哪个方面？具体是怎么采集的？走什么样的模式呢？

崔汉青：我们的技术路线稍有不同。谋先飞的技术基座是基于自研物理引擎的物理仿真技术，并在此基础上开展数据相关业务。

当前，真人数据已经成为成本相对较低、较容易规模化的一类数据来源。但采集到真人数据以后，怎么让机器人真正使用这些数据，中间还存在一个很大的缺口。

机器人可以尽量按照人的形态设计，却很难与人百分之百一致。人的手掌大小、手指长度和关节结构存在差异，机器人之间的结构差异更大。把人的动作直接映射到机器人身上，通常无法实现完全对应。

例如，人拿杯子的目标是稳定地抓住杯子，避免杯子掉落。采集系统记录下来的可能是人的关节角度和运动轨迹，但这些数据直接映射到机器人的手上，未必还能实现稳定抓取。

因此，我们构建仿真环境和机器人数据资产，让采集到的数据先进入仿真环境，在其中进行后处理、修正和重定向，使其能够适配具体的机器人本体。数据训练出来的模型，也可以先在仿真环境中验证。

齐鹏：博登智能已经接入多家机器人本体平台，在真实数据采集过程中，哪些信息尤其重要？请博登科技的创始人赵捷做分享。

赵捷：博登智能主要从事数据采集标注，业务覆盖具身智能、大语言模型和自动驾驶。在具身智能领域，目前已经打通国内数十家机器人本体平台，并基于这些本体开展真机遥操作、真机强化学习等工作。

关于数据重定向问题，在当前阶段，我认为多模态对齐的数据非常重要。早期模型训练更多依靠视觉信息和机器人本体轨迹，但当机器人进入真实环境，与物体和人发生交互，仅有视觉和轨迹还远远不够。真实世界中的交互受到物理规律约束。

例如，机器人接触的物体可能是易碎的、易折叠的，也可能很重或者很轻。这些物理属性在常规采集过程中不一定能够完整记录，我们可以在数据处理阶段为数据增加相应的物理属性标签。

另外，数据映射到真实机器人本体时，也要考虑运动安全。机器人运动轨迹的一阶导数、二阶导数是否出现突变？这样的动作传递到本体后，会不会导致电机瞬间过力矩，甚至造成设备损坏？这些都属于数据质量需要处理的问题。

我们还非常看重失败数据。

除了通过真机遥操作采集数据，我们也会让现有模型在真实机器人上执行任务。模型可能因为不熟悉环境发生碰撞，也可能把物体打翻。出现失败以后，操作人员会介入并完成纠正。

这些失败过程和人工干预过程，都属于信息密度很高的数据。它们可以帮助模型理解哪些动作会失败、失败以后应该如何恢复。

我们的目标是在真实场景中，利用跨本体方式采集覆盖范围更广、信息密度更高的数据。

齐鹏：青瞳视觉主要从事光学动作捕捉。站在运动数据采集的角度，什么样的数据更适合机器人训练？

张海威：就这个问题来说，首先要区分不同类型的具身数据。

从机器人角度看，数据可以分为运动控制数据、灵巧操作数据，以及运控与灵巧操作相结合的数据。这几类数据对应的任务不同，采集和处理策略也存在差异。

以操作任务为例，我们需要先明确一个基本逻辑：希望训练出什么样的模型，就需要准备什么样的数据。

物理世界中存在视觉、动作、触觉、力觉和物体形变等多种信号。只有把这些主要模态数字化并提供给AI，模型才有可能理解真实的物理交互。

因此，一套数据能够覆盖多少模态、采集多少维度，是判断其价值的重要因素。多模态数据还必须做好时空对齐。人的动作和触觉需要对齐，人的动作和物体运动需要对齐，触觉信号和物体形变也需要对齐。对齐的目的，是让不同模态之间建立明确的物理联系。这对数据精度、采集维度和同步能力都提出了很高要求。

运控数据通常需要重定向。机器人与环境交互时，接触位置必须准确，不能滑动、浮空或者穿透模型，这对重定向精度要求很高。

但在灵巧操作中，我们还可以换一个角度理解数据。

例如，人手握住一个话筒，表面上看是手以某个角度完成抓握。但话筒粗细不同，手指角度也会变化。单纯把人的关节角度传递给标准手或者机器手，未必能复现抓握效果。

操作的本质可能更接近接触关系。手的哪些部位接触物体，接触点和接触面在哪里，接触时施加了多大的力，力的方向是什么。如果能够把人、手与物体之间的接触点、接触面、力的大小和方向采集下来，再提供给AI，这类数据可能具有更强的通用性。

02.

数采工厂扩张之后，数据瓶颈出现在哪里？

齐鹏：目前的采集方式很多，包括第一视角设备、数据手套、真机遥操作、强化学习和仿真。具身智能是否已经遇到了数据瓶颈？还需要继续建设大量数采工厂去完成数据采集的任务吗？

赵捷：不同类型的数据，可以理解为一个金字塔结构。

具身模型在不同训练阶段，需要的数据类型并不相同。海量互联网视频和第一人称视角数据，更多用于模型的前期训练。进入具体场景、解决垂直任务时，模型需要更加贴近真实机器人本体的后训练数据，其中包括跨本体数据和自身本体产生的数据。

目前各地建设了不少数采场，但部分数采场的场景比较相似，这是一个需要关注的问题。

因为按照马斯克讲的第一性原理，机器人最终要进入人的生活和工作环境，大量真实场景数据不可缺少。自动驾驶的发展已经提供了一个参考：车辆每天在道路上采集数据，不断寻找罕见情况和边缘案例，再用于模型训练。

具身智能也需要快速进入真实场景。无论使用第一视角设备还是真机，只要能够进入家庭、工厂、商业空间等真实环境，就有机会采集到信息密度更高的数据，尤其对于模型训练是非常有价值。

因此，除了建设数采场，采集设备也需要进入千家万户和千行百业。

崔汉青：数据质量最终还是要通过模型和任务来验证。把数据训练成模型，再让模型执行真实任务，通过任务结果衡量数据集的质量，这是最直接的方式。

其中，真机评测是最终标准，但真机评测成本很高。工作人员需要布置场景、调试机器人、反复执行任务，可能运行很长时间以后，才能判断一批数据给模型带来了多大改进。

我们的工作是提高这一过程的效率。我们构建了仿真评测体系，并尽量保证仿真评测与真机评测之间具有足够高的相关性。

两套体系不可能百分之百一致，但只要相关性足够高，就可以利用仿真完成初步判断。仿真可以在服务器端并行运行，在分钟级或者小时级测试大量案例，最终形成基准测试结果。这样能够快速筛选数据和模型，再把通过筛选的方案放到真机上验证。

数采场的角色也可能发生变化。过去一些训练场购买大量机器人，在经过专门布置的场地内开展真机遥操作。这些场景依然是人为构造的，与家庭、工厂等真实环境存在差异。

未来，训练场可以同时承担遥操作采集和评测功能。先进行大规模仿真评测，再开展真机评测，有助于保障数据供应质量。

熊鹏航：现在各地都在推进数据采集工厂建设。下一代数采工厂需要重点解决一个问题：采集出来的数据能否跨本体、跨平台、跨品牌、跨技术路线实现迁移。

如果无法实现迁移，每个数采工厂采集的数据大多只能服务于某一种机器人。不同机器人公司仍然要根据自己的本体结构和技术路线重新采集，时间和成本都会被重复消耗。

一套有效的工具，应该帮助数采工厂采集具有通用性的运动数据，并将这些数据迁移到结构、尺寸和技术路线不同的机器人上。实现泛化迁移和泛化训练，最终实现泛化应用。

这也需要回到数据采集的本质：用于驱动机器人运动的数据，其核心采集内容究竟是什么？
 

人类身高、体重和体型不同，但在完成同一类动作时，基本的运动规律具有共性。人体工程学中包含了大量可以提取和复用的运动信息。

如果采集工具具备高精度、低延时和较强的抗干扰能力，就有可能把这些具有共性的通用数据提取出来。这类数据更适合成为数采工厂生产的基础数据。

同时，机器人要理解人类需求并在人类社会中提供服务，还需要多模态数据。

人类拥有视觉感知、语音听觉、皮肤触觉、温度与压力感知等多种感知模态。若能同步采集人体运动数据以及视觉、语音、触觉、温感、压力等多模态数据，将其用于机器人模型训练，便能进一步提升训练效率。
 

因此，我认为数采工厂需要重点关注两类能力：一是采集能够泛化迁移的数据，二是采集符合人类行为规律的多模态数据。

03.

数据回流之后，Scaling Law还要等多久？

齐鹏：最近看到很多模特佩戴青瞳视觉传感器采集数据，请青瞳视觉的张总分享下有没有给机器人安装传感器，直接采集机器人运动状态的做法？

张海威：这是机器人研发中的常见做法。例如，要分析真实机器人和仿真机器人之间的差距，就需要采集真实机器人的动作和状态，再与仿真结果进行对比。行业中也有人在探索利用这种方式直接采集机器人数据。

齐鹏：最后，请四位判断一下，具身数据领域的Scaling Law还需要多长时间才能显现？

对于这一问题，熊鹏航、崔汉青和张海威均将时间判断放在三年左右，赵捷则认为至少还需要五年。张海威进一步预测，到2028年，具身数据规模可能达到上亿小时。

04.

结语：具身数据竞争，正在深入生产与验证链路

从四位嘉宾的讨论来看，具身数据竞争正在进入更深的工程环节。

采集时长依然重要，但单纯扩大数据规模，很难直接转化为机器人能力。数据还需要完成多模态对齐、跨本体重定向、物理属性标注、质量评测和真实任务验证。

数据工厂真正需要建立的，也是一套完整的生产和验证体系：真人数据提供动作基础，真实场景补充长尾问题，仿真提高修正和评测效率，真机执行检验最终效果，机器人部署后的运行数据则继续回到训练环节。

当这条链路逐渐形成，数据才有可能成为推动机器人持续进化的底层资产。