山东
能歌善舞的机器人，为何做不好家务？
连续两年春晚，具身智能机器人凭借灵活的舞姿吸引了公众目光。但当机器人走下舞台，面对拿杯子、擦桌子、整理衣物等日常任务，却常常显得笨拙。
原因之一，是数据不足。
与舞蹈等相对标准化的动作不同，现实生活中的任务充满变化：杯子的材质、桌面的湿度、物品的位置，都可能影响机器人的判断。要让机器人真正理解并适应这些复杂场景，需要大量真实世界的操作数据。当前，高质量具身智能实操数据仍十分稀缺，已成为制约技术发展的关键环节。
机器人“上学”
2026年以来，国内企业开始加速建设具身智能数据基础设施。江苏宿迁正在探索通过社区、工厂和家庭等真实场景采集数据。居民佩戴数据采集设备，在整理衣物、收纳保洁等日常活动中，同步记录动作轨迹、力度分布和手眼协调等信息。这些原始数据经过清洗、质检和标注后，最终进入模型训练。
另一种重要方式是遥操作数据采集。在数据采集基地，工作人员佩戴VR设备或使用外骨骼装置，远程操控机器人完成抓取、摆放等动作。机器人的视觉、动作轨迹以及与环境交互的信息被同步记录下来，相当于由人类“手把手”示范机器人如何完成任务。
相比互联网视频和仿真数据，真实环境中的遥操作数据能够记录机器人实际执行动作时面对的物理约束，因此具有较高的训练价值。2025年发布的AgiBot World数据集就包含超过100万条机器人操作轨迹，并通过人工参与的数据采集流程提高数据质量。
数据背后的人
一名数据采集员可能每天重复数百次相似动作：抓取、放置、擦拭、整理，再不断调整力度和运动轨迹。对人类而言，这些动作早已成为习惯；但对机器人而言，每一次示范都是学习现实世界规则的样本。
这意味着，具身智能的发展并不只是算法和机器人的竞赛，也是一场人类身体经验的数字化过程。
过去，人工智能的数据劳动更多发生在键盘前——数据标注、内容审核、结果校验等工作构成了AI系统背后的“幽灵劳动”。而在具身智能时代，劳动进一步延伸到身体本身：人们用自己的动作、经验和判断，为机器提供进入物理世界所需要的数据。
结语
从宿迁的家庭采集，到机器人基地里的遥操作，一次次看似普通的抓取、擦拭和整理，正在被转化为机器可以学习的数据。机器人在舞台上的每一次转身背后，都可能对应着无数次人类示范。
具身智能的“上学记”，因此不只是一个技术故事。它同样提醒人们：当机器开始学习如何行动时，真正站在讲台上的，仍然是那些默默提供身体经验的人。（苏州大学传媒学院：陈予希）
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
