走進(jìn)數(shù)據(jù)基地，記者觀察到這里復(fù)刻了家居、商超、辦公、工業(yè)、醫(yī)藥、康養(yǎng)六大核心領(lǐng)域，構(gòu)建起超過30個典型應(yīng)用場景的實體空間。每一處場景的布局，都遵循著“真實、泛化、可復(fù)用”的數(shù)據(jù)采集原則。尤為重要的是，這些場景并非靜態(tài)的“樣板間”，而是可動態(tài)配置、可組合重構(gòu)的“數(shù)據(jù)工廠”。據(jù)了解，數(shù)據(jù)基地建立了標(biāo)準(zhǔn)化的項目管理體系，制定了從數(shù)據(jù)采集、標(biāo)注、質(zhì)檢在內(nèi)的全流程規(guī)范手冊，實現(xiàn)從任務(wù)下發(fā)到最終交付的全流程質(zhì)量可控。

當(dāng)前，高質(zhì)量數(shù)據(jù)已成為驅(qū)動人形機(jī)器人產(chǎn)業(yè)發(fā)展的戰(zhàn)略資源。不過，人形機(jī)器人要真正走進(jìn)千行百業(yè)，需要的不僅僅是幾百、幾千條“精修”數(shù)據(jù)，而是海量、多樣、高質(zhì)量的數(shù)據(jù)“原料”。其中真機(jī)數(shù)據(jù)是機(jī)器人智能從虛擬走向現(xiàn)實的必經(jīng)之路。

數(shù)據(jù)基地專家指出，真機(jī)數(shù)據(jù)能夠精準(zhǔn)還原力覺反饋、觸覺信息、環(huán)境干擾等仿真難以復(fù)制的細(xì)節(jié)，這些被稱為“物理直覺”的關(guān)鍵信息只能通過真機(jī)采集的多模態(tài)數(shù)據(jù)來訓(xùn)練。更重要的是，真機(jī)數(shù)據(jù)在真實環(huán)境中完整的任務(wù)閉環(huán)，一條簡單的“抓取-操作-放置”軌跡中蘊(yùn)含了大量人類在復(fù)雜環(huán)境中的隱性決策，其數(shù)據(jù)價值密度遠(yuǎn)高于其他類型的數(shù)據(jù)。此外，真機(jī)數(shù)據(jù)還能有效解決“分布偏移”問題，機(jī)器人可以學(xué)習(xí)適應(yīng)各種環(huán)境特征與突發(fā)情況，從而真正實現(xiàn)從實驗室走向現(xiàn)實世界的跨越。

記者在采訪中了解到，數(shù)據(jù)采集主要面臨三大難點：一是場景碎片化，真實環(huán)境千差萬別，每個變量都在考驗算法的泛化能力。二是機(jī)器人“方言”不通，不同構(gòu)型的機(jī)器人本體存在顯著的“方言”差異，傳感器布局、關(guān)節(jié)自由度、控制接口各不相同，導(dǎo)致不同構(gòu)型的數(shù)據(jù)難以遷移。三是數(shù)據(jù)質(zhì)量參差不齊，數(shù)據(jù)采集涉及動作捕捉、多模態(tài)同步、人工標(biāo)注等環(huán)節(jié)，任何環(huán)節(jié)偏差都可能產(chǎn)出“低質(zhì)數(shù)據(jù)”，低質(zhì)數(shù)據(jù)浪費(fèi)資源甚至誤導(dǎo)模型。

為破解行業(yè)數(shù)據(jù)瓶頸，行業(yè)正在積極探索。據(jù)悉，北京人形機(jī)器人創(chuàng)新中心布局的專業(yè)化數(shù)據(jù)采集基地是將分散的場景集中復(fù)現(xiàn)，將多樣的機(jī)器人統(tǒng)一調(diào)度，將采集、標(biāo)注、質(zhì)檢全流程標(biāo)準(zhǔn)化。目前，該數(shù)據(jù)基地已為多家頭部企業(yè)及科研機(jī)構(gòu)交付超數(shù)萬小時高質(zhì)量數(shù)據(jù)，整體數(shù)據(jù)合格率穩(wěn)定在95%以上。