百万小时数据喂下去，机器人就能学会一切？张江AI创新小镇塔尖会拆解“具身数据战”

当训练数据以百万小时计，机器人究竟能学会什么？11月5日，一场聚焦“具身智能的下一场数据战”的讨论在张江人工智能创新小镇内举行。与会专家围绕预训练数据选择、多模态采集、数据配方与评测、规模化交付等方向，探讨具身数据转化为机器人能力的路径与瓶颈，为研究交流与产业协作搭建平台。

本次研讨沙龙由张江AI创新小镇生态公司与机器之心联合主办，也是张江AI创新小镇品牌活动“Triple T”塔尖会系列技术沙龙之一。

具身预训练，下一笔数据投入该花在哪？

同一笔数据预算，是用于覆盖更多人类操作场景，还是用于积累机器人的真实动作与交互反馈？在具身预训练阶段，这一选择不仅影响模型能够获得什么能力，也关系到后续任务适配与真实场景部署。

围绕这一取舍，本期沙龙设置了题为“具身预训练：优先规模化人类经验，还是积累真机交互？”的双人对谈。

蚂蚁灵波科技首席数据科学家黄用韬与清华大学人工智能学院助理教授刘淼，围绕人类经验与真机数据的能力分工、不同训练阶段的数据投入，以及预训练效果的验证展开交流，并进一步探讨触觉反馈、跨本体迁移与模型泛化等关键问题。

黄用韬认为，如果必须为具身预训练的数据投入确定优先级，现阶段应优先积累真机数据，因为机器人需要通过与物理世界的直接交互，建立可靠的操作能力。

刘淼则强调，具身数据的选择并不存在统一答案，关键取决于机器人的应用定位与训练阶段。“当前具身预训练缺乏可靠的独立评测手段，其真实贡献容易被后训练效果掩盖，如何有效区分两者的收益仍是重要挑战。”他进一步指出。

数据路线的选择，需要进一步落实为采集、训练与验证的具体方法。

随后的三场技术交流会则分别从物理交互信息的获取、数据配方与评测，以及真实部署中的闭环学习切入，讨论如何将数据转化为可验证、可持续改进的操作能力。

数据进入训练环节后，怎样组合不同来源的样本，又如何判断样本组合是否有效？上海交通大学人工智能学院副教授、上海创智学院全时导师、RhOS.ai lab负责人李永露带来《机器人学习的数据配方与评测》，将讨论推进到数据选择与能力验证。他指出，数据配方应从机器人需要完成的任务出发，结合模型结构、训练目标与评测方式共同确定。

会后，参会专家认为，此次张江AI创新小镇“塔尖会”，围绕数据生产、模型评测与实际应用展开的协作，有望让现场的讨论延伸为新的研究与实践，推动数据积累转化为可在真实任务中验证的机器人能力。

特别声明：本文经上观新闻客户端的“上观号”入驻单位授权发布，仅代表该入驻单位观点，“上观新闻”仅为信息发布平台，如您认为发布内容侵犯您的相关权益，请联系删除!