圆桌论坛：具身数据如何塑造行业未来？ | GAIR 2025

雷峰网讯 高质量数据正在成为具身本体性能突破和成本控制的瓶颈。在具身智能从技术演示走向规模落地的关键转折期，对于数据的需求和争论也变得越发火热。从遥操作到UMI，从动捕到仿真数据，具身数据的未来在数采工厂，还是名为In-the-wild的美好愿景？ 2025年12月13日，第八届GAIR大会的数据&一脑多形专场，举办了主题为具身数据的圆桌论坛。圆桌主持人为英诺天使基金 ED，石麻笔记主理人王建明，并邀请了诺亦腾机器人创始人戴若犁，极数迭代CEO、深圳AIRS访问研究员佟显乔，鹿明机器人CTO丁琰，共同围绕具身数据的质量、采集以及数据飞轮等议题，展开了一场深度对话。 对机器人而言，什么是好的数据？王建明以数据质量切入，几位嘉宾就“以终为始”达成了共识，最终的模型性能、训练中机器人的受益程度反映着数据的质量。丁琰进一步指出，采集成本和各种数采方式对于不同场景和硬件的适配与否，都是决定数据质量的关键环节。 未来的数据采集方式或将走向多元化。作为一家有数据能力的创业公司，丁琰表示，鹿明机器人正在筹建自己的数采厂。出于成本考虑，现阶段采用 UMI方式进行数据采集，但未来仍可能引进更多方案。“遥操作、 UMI（Universal Manipulation Interface）、动捕、仿真数据，存在即合理。”丁琰强调。 戴若犁就In-the-wild的数据采集方式发出了提醒，他指出这是一种高度考验技术水平的方案，其落地需要先后克服软硬件易用性、组织管理能力两道难关，而在当前的时间节点，迈过前者的技术门槛无疑更为重要。 具体而言，在采集阶段需要低摩擦、高精度、多模态的数采设备，野采数据的利用，还需要从稀疏原始数据中得到稠密信息的技术方案。戴若犁认为，一条可行的链路是通过世界模型进行先验估计，输出更丰富的模态及维度数据。相较之下，远未到比拼人力组织能力的时间。 佟显乔认为，数据采集行业仍处于早期阶段，数据、本体、模型公司仍在相互磨合。不同的模型公司提出了不同的需求，这意味着数据公司不能停留于堆人力的体力活阶段，而是要懂模型、给建议。“模型公司也需要你的knowledge”，佟显乔强调，“一个个批次之后，大家才能一起做得更好。” 以下是此次圆桌讨论的精彩分享，AI科技评论进行了不改变原意的