几天前我在小区群里看到一则兼职招聘：在家做AI数据采集。类似岗位并不新鲜——有人戴上采集手套或头戴相机，在家里挑菜、叠衣服、开抽屉，把这些动作录成视频售予需要训练机器人的公司。据报道，这类居家采集员中大量是宝妈，月收入常见在三四千元，社交平台上流传的日薪在百元左右、时薪约二十多元。由此可见，具身智能对大量行为数据的需求之大。

但问题也很明显：这些兼职能采集到的几乎全是“手”的数据，也就是末端执行器的视觉和操作录像，而忽视了机器人本体与环境之间的运动学与动力学交互数据——也就是机器人如何去到并在现场移动、承受冲击与摩擦、关节受到多大力矩等信息。

全球高质量的真实物理交互数据量非常有限。到2026年初，可用于研究训练的真实交互数据累计也就几十万小时级别，这与训练通用具身模型所需的千万小时级数据相差甚远。正因为此，资本和大厂纷纷押注数据生产：一批以采集与标注为主的数据公司迅速融资、估值攀升，电商与平台方也宣布动员大量人力来累积真实场景数据。换言之，目前的热潮更像是在卖“铲子”——先把数据生产工具和流水线做大。 球友会

目前业界主流的数据生产路线大致有四类： - 真机遥操作：人操控主臂，远端机器人实时复刻动作并回传力反馈，数据质量最高但投入也最大； - 动作捕捉穿戴：在人体上佩戴传感器，成本下降但需面对人体与机器人形态差异的重映射问题； - 人类行为视频：规模化、成本低，但缺少精确的位姿、力矩与触觉标注； - 仿真合成：速度快、成本极低，但存在明显的域差（sim-to-real gap）。

这四类路径的目标对象高度集中在手部动作上，因为抓取、装配、分拣等任务最容易拆解、标注与商业化验证。于是大量构建的仓储、家庭与服务场景，实际上都在为“手”准备舞台。

然而，任何一项真实工作的实现前提是机器人能先到达作业地点，这就把“本体——环境交互”的数据重要性凸显出来。可惜这类数据非常稀缺。即便在公开数据集中，集中于移动平台与腿式机器人、涉及全身动力学与里程信息的长时序数据仍然少之又少。 球友会

例如，一项将多个已有数据集合并的开源工程确实提供了百万级的轨迹条目和数十种本体的操作数据，但其关注点主要在操作与 manipulation 上，技能标签仍以抓取、推拉、开关等为主。与此形成对照的是近期由某些研究机构发布的腿式机器人实地采集数据集：它使用装备多模态传感器的四足平台跑遍复杂自然与城市环境，采集了视觉、激光雷达、IMU、关节编码器以及毫米级的真值位姿，但总时长仅有数小时，被称作迄今公开的最大规模腿式数据集。这反映出领地尚小、样本量远不能满足泛化与规模化训练的需要。

为什么本体与环境交互的数据如此重要？除了相机和触觉记录“物是什么、手做了什么”之外，机器人要可靠行动还需要知道在何种地面以何种姿态前进、关节负载与力矩变化、机身遭受的冲击与震动、车轮或腿部是否打滑、不同地形对里程计的误差，以及如何在带噪声的传感器下维持定位与稳定。缺乏这些真实世界的动态与力学数据，很多在仿真中开发的定位、状态估计与控制方法难以泛化到复杂、多变的实环境。

总结来看：如今具身赛道的热钱先流向了最容易商业化的“手部”数据采集与数据厂，但真正决定机器人能否在现实世界长期自主服务的，是能否大量积累关于机器人本体与环境交互的运动与力学数据。这个让机器人“先到现场”的赛道，仍被低估——未来谁能补齐这块数据短板，谁就更有可能把具身智能从实验室带到现实场景中。 球友会