机器人学干活,教它的人却在算日结:具身智能数采田野调查-Vol 109

机器人学干活,教它的人却在算日结:具身智能数采田野调查-Vol 109

65分钟 ·
播放数1100
·
评论数6

“机器人训练师”需要穿戴头环、夹爪模拟机器人在现实世界中的工作,这些体力劳动中的轨迹、视频成为了具身智能模型的训练语料。这构成了一种视觉奇观:比如你家楼下的烧烤店,可能有人佩戴这套设备做烧烤,有人描述“十分赛博朋克”。从北京到河北县城、云南乡下,你能遇到所有这些相关从业者;主流媒体关注的模型改进、新兴科技公司融资进展、“蒸馏”人类的路线讨论在这里无人关心:具身智能在下沉的过程中被压缩成一门以人力作为产能,以时长及回款周期作为核心指标,以商务关系及管理成本作为能力的生意。

这是Nixon 在 11 月调研具身智能数据采集过程中的记录,一份有趣的科技行业切片。

时间轴

本期租用、实测与采集路线

点击看完整体验视频:如何教机器人擦地铁?做兼职推荐吗?

00:01:55|烧烤摊上的机器人训练师

  • 一个月换三十间民宿、戴着采集设备烤串,机器人训练数据从实验室走到街头。

  • 跑了几个省,Nixon 见到的从业者关心订单、人手和回款,很少谈论硅谷的技术路线。

  • 回到熟悉的县城,重新认识一门刚长出来的生意。

00:03:41|从遥操作到第一视角

  • 人戴 VR 设备控制机器人,记录真机动作;手持 UMI 夹爪做任务,用相机记录操作过程。

  • Ego Data 第一视角采集:戴上头环,用双手做事,不必每次都带着机器人本体。

  • 最简陋的方案,连专用头环都省了:把 iPhone 固定在头上,打开广角录像。

00:07:06|租台设备,去擦地铁

  • 五摄头环长什么样,怎么连 App、看实时画面、找任务?

  • Nixon 带两包湿巾去擦地铁扶手,托马斯白尝试另一类任务:录了多久,不等于结算多久。

  • 芝麻信用分不够要交五千押金;本次租金是每天十九元。有效时长、单任务上限、场景切换,决定账面收入能否落袋。

00:13:34|这份工作,没那么轻松

  • 收纳盒里放七类物品,同一种东西还要换颜色、换摆法:一个动作做出不同版本,要一直动脑。

  • 戴着设备反复弯腰、保持动作规范,体力和耐心都被消耗。

  • 兼职补贴、全职工资、做满理想时长的测算,是三种不同的账,不能直接当成人人都能拿到的收入。

00:19:56|县城老板的数采生意

  • 做过外卖配送、人力服务的老板,海归创业者和回乡找机会的人,陆续进入这条产业链。

  • 晚上十点半的办公室,微信电话没停过,设备铺满地面;工作重心是找人、找场景、把任务发出去。

  • 一张三万小时的数据需求表,拆成不同场景和配比,再发给各地下游。

  • 同一小时数据在不同环节报价相差数倍,差价要覆盖场景、人力、设备、审核风险和商务关系。

00:39:00|押金、审核和标准

  • 工人冲着日结而来,上游审核可能按周进行;设备押金和垫付工资都压在数采商身上。

  • 一批数据是否合格、扣款是否合理,下游未必看得清楚;标准一变,收入预期跟着变。

  • 有老板干脆自己补写操作步骤:用豆包生成 SOP,先试采两周,再请甲方验收。

00:46:22|采了这么多,机器人学会了什么

  • 夹爪伸不进收纳盒、挡住视线,人得像瞄手枪一样伸长脖子:示教动作离日常动作有多远?

  • 借微信方言活动对照数据采集:谁来判断样本好坏,评价如何回到采集流程?

  • 先积累大规模数据,还是先弄清哪些数据真正有效?节目保留两种判断的交锋。

  • 一家公司宣称 200 万小时、八九十个场景,数采商的解读是拿去和资本谈价,场景不一定真用。

00:58:42|回款、加盟和政府订单

  • 加盟模式在这行没长起来:它能给的只有订单和培训,链条正在以很快的速度缩短,下游开始直接找上游。

  • 回款周期六十到七十天,上下游互相垫押金、垫工资;甲方改一次审核参数,利润就变。

  • 政府出钱出场地、数据商运营、本体公司卖设备并承诺回购数据:这套三方合作今年八月以来被质疑虚假营收。

  • 上游跑路、几十万设备突然消失的案例也听过;进这门生意,先看钱什么时候回来。

本期提到的公司、产品与资料

数采设备与服务

采集路线与图源

  • UMI:Universal Manipulation Interface,手持夹爪与相机的原始研究项目;图中使用项目硬件图和演示实拍帧。

  • VR 遥操作:公开现场照片,说明人戴头显遥控本体的路线;Open-TeleVision 是该路线的公开研究项目之一,不代表本期现场使用的品牌或型号。

  • EgoKit 论文,图中 iPhone 头戴方案来自论文的 EgoKit-iOS 实拍;论文设备与本期提及的现场方案分开理解。

  • Ego Data 指以人为中心的第一视角数据;SOP 指写清操作步骤的规范;VLA 指把视觉、语言和动作结合起来的模型。

主播与制作

  • Nixon:「脑放电波」主播,硬件产品经理,前科技记者,《人形机器人简史》作者

  • 托马斯白:「脑放电波」主播,消费电子营销人,科技媒体特约作者

  • 剪辑制作:jeff

本期相关节目

线下见|极客公园 IF2027

12月5日至6日,极客公园 IF2027 大会将在北京举行,12月5日会有围绕具身智能数据采集技术与产品的对谈。如果这期节目让你对数采产生了兴趣,欢迎来线下接着聊。

点击查看大会「小场深谈」介绍与报名信息。

欢迎报名,或添加脑放电波小助手微信 BrainAMP01,后续我们会有一些大会门票送出,具体安排请留意小助手的后续消息。

关于脑放电波

欢迎订阅脑放电波,一档关注具身智能、 AI 硬科技和生物骇客的谈话类节目,2024/25苹果播客周度推荐节目、小宇宙累计14次编辑推荐单集、2024CPA播客中文奖年度科技数码类播客

欢迎在评论区留言发表你对 具身数据采集 的感受与看法

对于节目话题的更多观点,获取更多未呈现在节目中的扩展阅读,欢迎添加脑放电波小助手(BrainAMP01),附言“具身数据”,加群参与讨论。

节目中用到的音乐

来自 monkeyman535 的 90's Rock Style,地址 freesound.org;来自 kjartan_abel 的 Berlin Town,地址 freesound.org;基于 CC BY 4.0 DEED 使用。

脑放电波往期节目精选(搜索关键词可收听)

脑放电波是一档关注具身智能、 AI 硬科技和生物骇客的谈话类节目,每期带给您一个有趣有据的话题,帮您在信息严重过载的现代世界小幅自我迭代。

你可以在各类播客客户端搜索"脑放电波"找到并关注我们。如果对这期内容有疑问或想交流,欢迎在评论区留言;想加入听友群,可以添加小助手 brainamp01 加入。觉得有帮助的话,关注、点赞、收藏、转发,对我们非常重要。

展开Show Notes
数据量大是重点,感觉现在这数据量还是不够啊,中国人那么多应该有优势的
Nixon_Hu
:
需求巨大,感觉没有尽头一样
林四十
林四十
2天前
一款数采设备,出货几百台已经算很多了。且利润微薄,不可能开模😂
Nixon_Hu
:
这些 BOM 成本几千的设备在数采商那儿都作价 5 万以上,,,,吓人
HD88895m
HD88895m
2小时前
很有意思的一期播客。我现在就是在一家具身数据startup参与数采设备的研发,博主的调研其实很准确了。我们也在寻求怎么把设备做的更轻便,采集到的数据质量更高,更通用。ego 数据个人感觉是大势所趋,相对于vr umi 。感觉因为ego数据比较通用,未来数采公司甚至可以自己建立自己的数据集,然后把同一个场景的数据可以卖或者授权给不同的公司😂
Nixon_Hu
:
感谢专家