機(jī)器之心發(fā)布

具身智能通往通用性的征途，正被 “數(shù)據(jù)荒漠” 所阻隔。當(dāng)模型在模擬器中刷出高分，卻在現(xiàn)實(shí)復(fù)雜場(chǎng)景中頻頻 “炸機(jī)” 時(shí)，行業(yè)開始反思：我們喂給機(jī)器人的數(shù)據(jù)，是否真的包含人類操作的精髓？近日，深度機(jī)智在以人類第一視角為代表的真實(shí)情境數(shù)據(jù)，筑牢物理智能基座，解決具身智能通用性難題的道路上又有重要舉措。

具身智能的 “數(shù)據(jù)之困”：從機(jī)械模仿到邏輯理解的鴻溝

具身智能的通用性突破，始終受限于物理世界交互數(shù)據(jù)的極度稀缺。盡管合成數(shù)據(jù)與離線遙操作提供了初步養(yǎng)料，但采集效率低、場(chǎng)景單一化、任務(wù)真實(shí)性弱等瓶頸，導(dǎo)致模型極易陷入過擬合的泥潭 —— 機(jī)器人往往只是學(xué)會(huì)了死記硬背特定的軌跡，而非習(xí)得舉一反三的操作邏輯。

這一行業(yè)痛點(diǎn)，正被深度機(jī)智一直倡導(dǎo)的 “第一視角人類經(jīng)驗(yàn)” 的情境數(shù)采（In-Context Data Collection）模式所破解。這種模式主張：數(shù)據(jù)不應(yīng)是孤立的動(dòng)作切片，而應(yīng)是帶有豐富環(huán)境語境與因果關(guān)系的邏輯流。

2025 年 12 月 17 日，一場(chǎng)關(guān)于數(shù)據(jù)范式的創(chuàng)新實(shí)踐在北京落地：深度機(jī)智（DeepCybo）與北京高校正式宣布聯(lián)合成立 “具身智能數(shù)據(jù)采集示范中心”。該中心旨在通過以人類第一視角（Egocentric View）為主、多視角輔助的真實(shí)情境多模態(tài)數(shù)據(jù)采集，為通用具身智能筑牢 “永不過時(shí)” 的數(shù)據(jù)根基。

情境數(shù)采：讓數(shù)據(jù)帶著 “場(chǎng)景記憶” 與 “遷移能力” 而來

這是本次合作最核心的技術(shù)增量。傳統(tǒng)的數(shù)采往往關(guān)注 “動(dòng)作軌跡”，而情境數(shù)采（In-Context Data Collection）則更強(qiáng)調(diào)動(dòng)作發(fā)生時(shí)的 “前因后果”。

示范中心依托自研的DeepAct 數(shù)據(jù)引擎，在實(shí)驗(yàn)教學(xué)、工程實(shí)踐等真實(shí)工業(yè) / 生活場(chǎng)景中搭建了標(biāo)準(zhǔn)化采集體系。

• 多維感知融合： 以佩戴式第一視角設(shè)備為核心，協(xié)同環(huán)境中的多角度觀測(cè)位，同步采集各類模態(tài)信息。
• 場(chǎng)景記憶植入： 每一幀數(shù)據(jù)不再是冰冷的坐標(biāo)變換，而是通過 “情境標(biāo)簽” 自帶場(chǎng)景背景與交互邏輯。例如，在實(shí)驗(yàn)室抓取燒杯，數(shù)據(jù)會(huì)記錄環(huán)境光影、桌面材質(zhì)以及人類為了避開障礙物而刻意調(diào)整的路徑細(xì)節(jié)。這種帶有場(chǎng)景記憶的數(shù)據(jù)，能讓模型理解動(dòng)作背后的物理約束，實(shí)現(xiàn)真實(shí)物理世界的 World Context as Prompt。

從數(shù)據(jù)到智能：解鎖機(jī)器人技能涌現(xiàn)的關(guān)鍵

這一數(shù)采范式的轉(zhuǎn)變，背后隱藏著 “全面向人類看齊” 的技術(shù)邏輯：要讓模型習(xí)得人類與物理世界交互的高效邏輯，核心在于高質(zhì)量、多樣化數(shù)據(jù)的規(guī)?；┙o。

深度機(jī)智的內(nèi)部實(shí)驗(yàn)結(jié)果表明：以大規(guī)模精細(xì)標(biāo)注的第一視角人類經(jīng)驗(yàn)數(shù)據(jù)來增強(qiáng)基座模型的物理智能，可以實(shí)現(xiàn)向機(jī)器人異構(gòu)執(zhí)行器的高效遷移。 這一結(jié)論，與 Physical Intelligence (Pi) 在 12 月 17 日同步公布的最新研究發(fā)現(xiàn)不謀而合，雙方在不同地域、不同維度上共同驗(yàn)證了 “人類經(jīng)驗(yàn)數(shù)據(jù)驅(qū)動(dòng)通用智能” 的可行性。

作為北京中關(guān)村學(xué)院和中關(guān)村人工智能研究院（以下簡稱中關(guān)村兩院）孵化的第一家高科技企業(yè)，深度機(jī)智自去年底籌辦伊始，就在中關(guān)村兩院支持下深入開展以人類第一視角數(shù)據(jù)為核心的物理智能增強(qiáng)研究，目前已經(jīng)基本趟通人類數(shù)據(jù)驅(qū)動(dòng)通用智能的技術(shù)全鏈路。此次共建的數(shù)采示范中心，正是這一邏輯的標(biāo)準(zhǔn)化實(shí)踐模板。深度機(jī)智團(tuán)隊(duì)正通過其自研的 DeepAct 數(shù)據(jù)引擎，在全國十多個(gè)城市，數(shù)百個(gè)場(chǎng)景，大范圍采集真實(shí)情境人類數(shù)據(jù)，持續(xù)擴(kuò)大數(shù)據(jù)規(guī)模，為統(tǒng)一物理智能筑牢永不過時(shí)的數(shù)據(jù)基座。

結(jié)語

當(dāng)帶著場(chǎng)景記憶的第一視角多模態(tài)數(shù)據(jù)持續(xù)積累，當(dāng)全鏈路處理和模型創(chuàng)新讓數(shù)據(jù)價(jià)值最大化，具身智能的通用性突破將不再遙遠(yuǎn)。機(jī)器人終將從 “機(jī)械模仿” 的桎梏中解脫，在 “情境數(shù)采” 的賦能下實(shí)現(xiàn)真正的技能涌現(xiàn)，走向能夠舉一反三的通用物理智能新時(shí)代。