具身机器人也有“成长烦恼”

来源：琥珀金融帮

如果说生成式大模型可以从互联网上“扒”到几千亿条文本数据，那么训练一台能在物理世界“干活”的人形机器人，需要多少数据？

北京银河通用机器人有限公司（以下简称“银河通用”）联合创始人、大模型负责人张直政给出的答案是“上万亿条”。

在近期举行的第九届数字中国建设峰会期间，张直政系统梳理具身智能产业当前面临的“数据荒”难题，以及银河通用给出的解决路径。

在张直政看来，具身智能的发展可分为三个阶段：第一阶段是“雏形时代”，主要靠硬编程实现机器人的运动控制；第二阶段，用AI模型控制机器人完成跑步、舞蹈等自主动作；第三阶段，行业正处于竞争前线，通过大模型与大数据，推动AI从“数字智能”发展到“物理智能”。

“具身智能与多模态大模型最大的不同，在于它无法直接从互联网获取数据。”张直政分享，行业早期采用遥操作方式，由人遥控机器人获取训练数据，但发展到目前，这种方式已经无法获取足够大量、足够具备多样性的数据。他给出的判断是，具身世界大模型对数据规模的要求比通用大模型更高，“需要上万亿条数据，模型才能与环境真正交互、形成生产力”。

围绕这一难题，银河通用给出的方案是仿真合成。张直政介绍，银河通用搭建了一套物理真实的仿真合成管线，包括自动化生产仿真资产、合成仿真软件中的各种动作，并最终转化为机器人可训练的数据。“在零售、工业、家庭等不同场景中，仿真合成数据已经能够堪比真实世界相机直接拍摄的效果，不仅视觉质量很高，物理真实性也与现实世界的真实交互一致。”

在仿真合成数据之外，银河通用构建多元数据生产体系，从下到上依次由互联网数据、人类操作视频、仿真合成数据、真机采集数据以及真实世界闭环回流数据组成。张直政表示，自动驾驶领域在这一层数据布局上花了至少五年时间，“我们希望具身智能领域把这个周期从五年缩短到一年”。

围绕这套数据生产体系，银河通用提出了“虚实共融、人机结合、高低搭配、各尽其能”16字具身智能数据观，把仿真合成数据与真实世界数据共同使用；把人类操作视频与机器人操作数据混合使用；在训练上兼容高质量数据与低质量数据，发挥不同作用。

模型层面，张直政介绍，银河通用近期推出了将“大脑”与“小脑”统一到同一系统的具身大模型架构：底层是跨场景、跨硬件的通用模型架构；第二层针对工业、零售、家庭等不同行业训练垂类模型；第三层进入真实场景部署，要求软硬结合成功率达99%以上，并在此基础上进行进一步数据闭环。围绕模型路径，银河通用提出了“多元数据、层级演进、场景递进”的具身智能模型观。

在商业化层面，张直政向与会者披露了一组进展数据：过去半年内，银河通用在全国20多个城市开设了100多家由大模型自主控制运行的零售店；与美团合作，在全国24个城市的美团仓库接收外卖订单并自主分拣打包、交付外卖员的业务已稳定运行一年，目前正在从仓库扩展到零售店及大型商场。此外，面向工业重载场景，银河通用推出了装备负载可达40公斤以上的重载机器人。