AI news

具身数据底座开卖,首发5100元:机器人训练数据有了新解法

By 允中2 viewsSource: 量子位
具身数据底座开卖,首发5100元:机器人训练数据有了新解法

8月18日,五一视界(51WORLD)“物理AI宏伟蓝图2030”发布会正式召开。

The full text has not been translated yet. The Chinese original is shown below.

8月18日,五一视界(51WORLD)“物理AI宏伟蓝图2030”发布会正式召开。

围绕AI从数字世界走向物理世界这一趋势,五一视界此次把目光进一步向下延伸到了物理AI的基础设施层,发布了两大具身智能产品:AperData具身数据底座、AperOne具身应用平台,同时首次披露“低空—太空—深空”三层空天战略布局。

从数据生产,到机器人落地,再到空天探索,五一视界正在进一步补齐其物理AI的基础设施版图。

文章配图

具身智能的下一道难题,不是模型,而是数据

过去几年,AI模型的能力增长,很大程度上建立在海量数字数据之上,但机器人面对的是另一个世界。

开门、抓取、分拣、整理、使用工具……这些看似简单的动作,需要机器人同时理解空间、运动、物体和人与环境之间的交互关系。

因此,具身智能需要的并不是普通视频,而是能够真实记录环境状态、动作过程和交互结果,并经过时间同步、空间标定和质量验证的数据。

但问题在于,这类数据很难获得。

目前,行业的数据生产主要依赖真机遥操作或分散式采集系统。

前者需要占用昂贵的机器人本体,由专业人员完成操作;后者则往往由不同厂商分别提供相机、传感器、采集软件和后端处理系统。

这导致一个尴尬的现实:采集完成,并不意味着获得了可以训练的数据。

画面模糊、曝光异常、多通道不同步、动作没有完成等问题,往往要等到数据上传甚至训练阶段才能发现。

一旦数据无效,设备、人力、带宽、存储和计算资源都可能被重复消耗。

于是,具身智能真正需要解决的问题变成了:如何以更低成本,持续生产更多真正有效的数据?

AperData:把具身智能的数据生产做成一套基础设施

此次发布的AperData,正是五一视界针对这一问题给出的答案。

AperData并非一台单纯的数据采集设备,而是一套覆盖采集、质检、处理、解算、评测和数据集交付的软硬件一体化数据基础设施。

首代产品发布即开售,首发价5100元/套。

文章配图

其核心产品由AperEgo采集硬件+AperOS数据平台构成,通过“采集终端+数据治理引擎+开放数据接口”,将真实世界的数据转化为可训练的数据资产。

这同时也给整个具身行业带来了三层变化:

第一层变化,是把“机器人采数据”变成“人直接采数据”。

传统真机遥操作需要占用机器人本体,采集人员通过遥操作系统控制机器人完成任务,不仅设备成本高,也很难实现大规模并行采集。

AperData则让人直接进入真实场景完成任务。

佩戴AperEgo后,采集人员可以直接完成开门、抓取、分拣、整理等动作;后续将发布的AperWristCAM和AperFinger,进一步补充手部动作与近距离交互信息。

这意味着,数据生产不再受限于机器人本体数量,而可以通过低门槛采集终端组织更多人员、更多地点同时开展数据生产。

第二层变化,是从“采得多”转向“采得准”。

AperEgo通过多目相机、IMU和硬件时间戳,构建第一视角多模态采集能力。

以四目版本为例,其总水平视场超过270°、垂直视场超过155°,向下视场超过100°;前视双目采用65mm基线,并通过高精度安装与标定设计控制空间误差。

同时,设备实现全传感器硬件同步,将视觉、IMU和音频统一纳入同步采集。

文章配图

最终,AperData将具身数据的“一致性”进一步量化。按照发布信息,经过AperEgo与AperOS软硬协同处理后,交付数据的轨迹物理一致性可达99%。

第三层变化,是把“无效数据”挡在云端之外。

更值得关注的是AperOS。

传统采集往往是“先采集、后处理”:所有数据先上传云端,再统一检查、清洗和筛选。

这样一来,很多动作没有完成、任务被中断、尚未进入正式采集状态的数据,也会被完整上传。

AperOS则把这一过程前移到采集端。系统可以在现场检查清晰度、曝光、丢帧率、多通道同步等指标,同时对采集过程进行初步识别和清洗。

无效片段可以直接剔除,正式采集出现问题则能够现场重采。

例如,一段30秒的采集真正有效的部分只有10秒,AperOS可以在端侧直接完成无效部分筛除,再将有效数据上传。

文章配图

这不仅减少了返工,更直接改变了数据生产的成本结构:少传输无效数据,就意味着更少的带宽、更少的存储和更少的云端算力。

最终,AperOS将项目管理、任务下发、现场采集、上传、预处理、质检、解算、评测和数据集交付连接起来,让数据生产从一次性的人工项目变成标准化流程。

发布会披露,AperData软硬一体方案在同等成本下,数据生产效率相比传统真机遥操作提升10倍以上。

文章配图

这也是AperData真正想解决的问题:不是让企业拥有更多原始数据,而是让每一份投入,都尽可能转化成有效数据。

AperOne:让机器人从“能演示”走向“能作业”

如果说AperData解决的是具身智能的数据供给问题,那么AperOne解决的则是机器人落地的“最后一公里”。

机器人在实验室里能够完成任务,并不意味着它可以进入真实环境工作。真实场景存在大量动态变化,机器人一旦出现错误决策,试错成本远高于数字世界。

AperOne定位为具身应用闭环OS平台,构建了“重建—训练—评估—部署—运营”五阶闭环,将数字孪生、空间智能、仿真验证和机器人应用连接起来。

目前,这套方案已经在园区、场馆、商场、电站、矿山和工厂等场景进行验证。

文章配图

从自主巡检、接待导览,到多智能体协同搬运;从危险源巡查,到有限空间侦察和管廊点检,AperOne试图推动机器人从“能够完成Demo”,进一步走向“能够真正承担工作”。

发布会同期公布的具身智能生态合作伙伴,横跨机器人本体、世界模型、灵巧操作模型与具身数据等关键技术层,形成从数据、模型到本体执行的多层能力协同,共同为推进2030年上亿具身走进物理世界而努力。

文章配图

从低空到深空,物理AI的边界继续向外延伸

此次发布会上,五一视界还首次披露了“低空—太空—深空”三层空天战略。

文章配图

低空层面,五一视界与影石Insta360合作,构建低空飞行器空域数字化仿真与试飞保障平台,让eVTOL在真正起飞前完成数字世界中的测试与验证。

太空层面,五一视界与环天智慧围绕高精度卫星遥感数据和“物理级可用”数据资产重建展开合作,并联合定制商业遥感卫星“地球克隆之星”ECS-1。

深空层面,则与深空探测实验室合作,将火星、月球探测任务搬进数字世界,实现深空任务的提前仿真推演。

由此,五一视界正在形成一条从自动驾驶、具身智能,到低空、太空和深空的物理AI能力链。

面向2030,五一视界要构建什么?

从数字孪生,到今天进一步布局物理AI,五一视界正在将过去积累的仿真、数据和数字孪生能力向更多物理世界场景延伸。

形成物理AI三位一体的基础能力,向上与芯片算力合作伙伴共建行业底座,中间层有“模型+仿真+数据”闭环能力做核心支撑,向下覆盖自动驾驶、具身智能、空天探索等多场景应用。

这套全栈体系不仅能支撑自身业务落地,也在逐步成为物理AI行业的通用基础设施。

当AI从屏幕走进现实世界,模型需要的数据也将从数字世界进入物理世界。

谁能够更低成本地获取真实世界经验,更高效地把这些经验转化为可训练、可验证的数据,谁就更有机会掌握下一阶段物理AI发展的基础能力。

8月18日的这场发布会,五一视界给出的答案已经从一个产品,扩展成了一张更大的图:

文章配图

用AperData解决数据,用AperOne解决落地,再用仿真和数字孪生连接更广阔的物理世界。

而这,或许正是“物理AI宏伟蓝图2030”真正想表达的——

当AI开始进入物理世界,基础设施本身,也将成为新的竞争力。

文章来自于"量子位",作者 "允中"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)