从炫技到落地：真实世界数据成具身智能决胜关键

在春晚这样的舞台场景中，机器人任务是高度可控的。表演只有几分钟且已提前编排。任务路径固定，地面平整，灯光固定，障碍物和各种干扰因素都会提前预设。部分环节也会通过人工控制来避免意外发生。

但是在真实的商业场景中，例如工厂流水线分拣、装配机器人，它所面临的是超过8小时的工作时间，上万次的重复动作，以及不同物料的尺寸差异和随机摆放角度，传送带的速度变化，以及人工穿梭的周边环境和物料卡顿或掉落的突发情况。

因此，商用场景下的长序列自主执行能力仍是现阶段多数团队面临的技术难题。

根本原因是真实世界的不可预测性和具身智能复杂的数据体系。机器人完成一个长序列任务其实是感知-决策-控制的过程，每一个环节都依赖不同维度的高质量数据。

通过解算点云等视觉数据，精确识别目标物体在三维空间中的六自由度（3个平移+3个旋转）位置与姿态。通过自研智能平台将单样本处理时间缩短75%以上并支持批量处理模式，能够同时处理数百个标注任务，真正实现了工业级的大规模数据标注需求。

对第一视角或多视角操作视频进行任务拆解，将视觉内容、语言描述与动作过程进行结构化对齐。通过自研智能平台统一标注规范并嵌入多轮质检机制，显著降低主观偏差与语义不一致问题。

数据堂提供三大版权数据集助力具身智能跳过采集的漫长周期，快速搭建训练基座。

10万组（1005小时）人物第一人称互动视频数据集：第一人称视角的多任务互动视频，任务涵盖烹饪、手工、运动等，包括短周期、中等周期和长周期任务，包括错误恢复等特殊场景。并配以精确的视频描述标注。

1万组机器人操作数据集：机器人操作的指令、控制、观测和本体数据，指令为操作任务的文本，控制数据包括人类遥操的原始轨迹，观测数据包括机器人的rgb、depth传感器数据，本体数据包括机器人关节、手部、底盘的位置、姿态、力等数据。