follow us

AING硬跡

過去兩年，以英偉達(dá)Isaac Sim、Mujoco為代表的仿真平臺(tái)大幅降低數(shù)據(jù)獲取成本，催生了一批“仿真訓(xùn)練、真機(jī)部署”的算法方案。

與自然語言處理領(lǐng)域依賴互聯(lián)網(wǎng)海量文本不同，機(jī)器人領(lǐng)域的高質(zhì)量真機(jī)數(shù)據(jù)獲取成本極高、采集周期長、標(biāo)注難度大。

仿真環(huán)境可以無限次重置、批量生成場景，卻無法復(fù)現(xiàn)真實(shí)世界的物理混沌，物理世界中存在接觸力的細(xì)微波動(dòng)、摩擦系數(shù)的隨機(jī)變化、光照條件的動(dòng)態(tài)偏移等情況，這些“不確定性”恰恰是機(jī)器人落地時(shí)的致命陷阱。

因此真機(jī)數(shù)據(jù)的稀缺性，也在重塑行業(yè)競爭格局。

近日，樂聚機(jī)器人正式發(fā)布OpenLET“觸覺靈巧操作+全身運(yùn)控”數(shù)據(jù)集，是全球首個(gè)融合觸覺靈巧操作與全身高動(dòng)態(tài)運(yùn)動(dòng)的稀缺數(shù)據(jù)集，不僅填補(bǔ)了行業(yè)長期存在的數(shù)據(jù)空白，更以全平臺(tái)總下載量突破100萬次的成績，登頂全網(wǎng)開源具身數(shù)據(jù)下載榜首位，成為國內(nèi)最大的具身真機(jī)數(shù)據(jù)提供商。

破解“觸覺+全身運(yùn)控”雙重難題

人形機(jī)器人的“進(jìn)化”，正從動(dòng)作模仿走向感知理解，從單一技能走向全身協(xié)同。

當(dāng)前，絕大多數(shù)開源數(shù)據(jù)集仍停留在“視覺-動(dòng)作”的簡單映射階段。機(jī)器人可以模仿人類抓取、放置，但無法感知抓取時(shí)的力度變化、物體材質(zhì)、接觸瞬態(tài)，而這也是實(shí)現(xiàn)精細(xì)操作的關(guān)鍵壁壘。

業(yè)內(nèi)同時(shí)覆蓋高精度觸覺感知與全身運(yùn)動(dòng)控制的規(guī)?；瘮?shù)據(jù)集幾乎空白。

OpenLET將觸覺陣列數(shù)據(jù)引入到開源真機(jī)數(shù)據(jù)集中。其指尖壓力矩陣達(dá)到6×12×10的密度，能夠?qū)崟r(shí)捕捉接觸面上的微觀壓力分布。這意味著，機(jī)器人不再是“盲操作”，而是能在抓取雞蛋與鋼球時(shí)，做出截然不同的力控反應(yīng)。

配合腕部六維力傳感器（精度±0.5%）、RGB-D視覺數(shù)據(jù)以及同步動(dòng)作信息，實(shí)現(xiàn)了“視覺-力觸-動(dòng)作”全鏈路對齊。

數(shù)據(jù)集還包含多場景語義標(biāo)注，涵蓋場景類型、物體材質(zhì)、操作目標(biāo)等信息，為模型的語義理解與泛化能力訓(xùn)練提供了堅(jiān)實(shí)基礎(chǔ)。

傳統(tǒng)的視覺數(shù)據(jù)集只能告訴機(jī)器人“看到了什么”，而OpenLET能告訴它“摸到了什么”并且“該如何調(diào)整”，這種多模態(tài)對齊數(shù)據(jù)對于訓(xùn)練魯棒的抓取策略至關(guān)重要。

如果說靈巧操作是“手”的進(jìn)化，那么全身運(yùn)控就是“身體”的覺醒。

OpenLET包含41個(gè)關(guān)節(jié)的高自由度控制信號(hào)，任務(wù)維度從傳統(tǒng)的行走、站立，延伸到深度下蹲、彎腰、全身聯(lián)動(dòng)等高難度動(dòng)作。其運(yùn)動(dòng)表現(xiàn)在節(jié)奏、平衡維持、交互順應(yīng)性上高度擬人，顯著提升了機(jī)器人在非結(jié)構(gòu)環(huán)境中的適應(yīng)能力。

這種“手+身”的數(shù)據(jù)融合，為人形機(jī)器人實(shí)現(xiàn)真正意義上的“全身協(xié)同智能”提供了關(guān)鍵基礎(chǔ)資源。

百萬下載量背后

在人形機(jī)器人從實(shí)驗(yàn)室走向真實(shí)場景的臨界點(diǎn)上，數(shù)據(jù)作為AI時(shí)代的“石油”，是決定技術(shù)高度的“一大燃料”。

而在具身智能研發(fā)中，仿真數(shù)據(jù)雖然成本低廉，但存在“仿真到現(xiàn)實(shí)”的遷移鴻溝；而真機(jī)數(shù)據(jù)雖然采集成本高昂，卻是訓(xùn)練可靠模型的“硬通貨”。

特斯拉Optimus憑借工廠場景的海量部署積累“私有數(shù)據(jù)飛輪”、Figure AI通過與寶馬等制造業(yè)巨頭的合作鎖定高價(jià)值工業(yè)場景數(shù)據(jù)、波士頓動(dòng)力則依托數(shù)十年的機(jī)器人運(yùn)行日志，構(gòu)建運(yùn)動(dòng)控制數(shù)據(jù)庫等，“圈”起自身的在數(shù)據(jù)資產(chǎn)的規(guī)模、質(zhì)量與生態(tài)的影響力。

與互聯(lián)網(wǎng)時(shí)代的ImageNet、自動(dòng)駕駛領(lǐng)域的KITTI類似，具身智能領(lǐng)域亟需一個(gè)開放、標(biāo)準(zhǔn)、多模態(tài)的基準(zhǔn)數(shù)據(jù)集，以降低創(chuàng)新門檻、加速技術(shù)迭代。

OpenLET的發(fā)布，只是樂聚在具身智能數(shù)據(jù)領(lǐng)域布局的冰山一角，同時(shí)也在不斷拓展自己的生態(tài)錨點(diǎn)。

在全國14個(gè)人形機(jī)器人訓(xùn)練場中，樂聚參與建設(shè)了9個(gè)，覆蓋一線、新一線及長三角制造業(yè)重鎮(zhèn)，并構(gòu)建起年產(chǎn)2500萬條真機(jī)數(shù)據(jù)的生產(chǎn)能力，形成國內(nèi)最大的機(jī)器人訓(xùn)練場網(wǎng)絡(luò)。

LET數(shù)據(jù)集覆蓋117種原子技能，開源數(shù)據(jù)超過60,000分鐘，涵蓋從工業(yè)裝配、商業(yè)服務(wù)到家庭家務(wù)的多類場景及各類語義標(biāo)注，極大降低了下游算法研發(fā)的數(shù)據(jù)門檻。

值得注意的是，樂聚已累計(jì)交付20000小時(shí)真機(jī)數(shù)據(jù)，成功跑通數(shù)據(jù)交易鏈條。市場用下載量投票，也證明了真機(jī)數(shù)據(jù)的剛需屬性。

樂聚的開源策略，極大降低了學(xué)術(shù)界和中小企業(yè)的研發(fā)門檻，以數(shù)據(jù)為紐帶，構(gòu)建起“采集—開源—交易”的完整商業(yè)閉環(huán)。

樂聚并未止步于數(shù)據(jù)采集與開源。

在標(biāo)準(zhǔn)建設(shè)層面，其參與國家級標(biāo)準(zhǔn)訓(xùn)練場試點(diǎn)，申請和參與標(biāo)準(zhǔn)7項(xiàng)，入選省標(biāo)準(zhǔn)化技術(shù)委員會(huì)，并獲得了江蘇省首批數(shù)據(jù)知識(shí)產(chǎn)權(quán)證書、數(shù)據(jù)資產(chǎn)保險(xiǎn)。其數(shù)據(jù)不僅是研發(fā)資源，更是可確權(quán)、可交易、可投保的數(shù)據(jù)資產(chǎn)。

數(shù)據(jù)能力的壁壘

過去幾年，人形機(jī)器人的競爭焦點(diǎn)多集中于本體硬件、電機(jī)驅(qū)動(dòng)、運(yùn)動(dòng)控制算法。而隨著大模型與具身智能的深度融合，數(shù)據(jù)的規(guī)模、質(zhì)量、多樣性、對齊程度，正成為決定算法上限的關(guān)鍵變量。

人形機(jī)器人的終局，不是某一家公司的獨(dú)角戲，而是整個(gè)生態(tài)的共同進(jìn)化。而在這個(gè)生態(tài)中，數(shù)據(jù)，就是最底層的“通用語言”。

當(dāng)越來越多的開發(fā)者、研究機(jī)構(gòu)、企業(yè)通過這些數(shù)據(jù)訓(xùn)練出更智能、更靈巧、更穩(wěn)健的機(jī)器人時(shí)，我們會(huì)發(fā)現(xiàn)：具身智能產(chǎn)業(yè)正從“硬件追趕”邁向“數(shù)據(jù)定義”的新階段。

樂聚，正在為這個(gè)時(shí)代鋪路。

AING硬跡正在打造AI硬件社區(qū)，對加入社群感興趣的讀者，歡迎掃碼下方二維碼加入【AING硬跡產(chǎn)業(yè)交流群】。

AING硬跡

AING，取自“AI+ING”的縮寫，中文諧音“硬跡”，寓意著“人工智能正當(dāng)其時(shí)”，致力于追尋硬科技發(fā)展的足跡，不斷探索人工智能與智能硬件的深度融合。

未來，AING硬跡將不斷發(fā)布AI大模型技術(shù)、AI產(chǎn)業(yè)生態(tài)、AI硬件產(chǎn)品等行業(yè)資訊、發(fā)展趨勢與市場動(dòng)態(tài)，我們相信大多數(shù)硬件都值得用AI重做一遍，AING硬跡期望與AI大模型廠商、與AI硬件廠商共同成長，迎接AI時(shí)代的來臨。

人工智能正當(dāng)時(shí)

一起追尋AI+硬件的足跡