各类展会上，人形机器人抬手拿杯、堆叠物品，动作流畅自然。但很少有人追问：这套动作从何学来？

近日，北京青年报记者走访多家具身智能数据采集车间，在这里，数据采集员们带着头环相机、套着手部传感设备、穿着动作捕捉服，为训练机器人进行数据采集。褪去科技产业的光鲜外壳，数据采集员们这群普通从业者通过日复一日、千万次的精细劳动，完成有效数据采集，才助具身智能不断完成迭代升级。

现象：跨界劳动者，具身智能的“数据底座”

【资料图】

具身智能赛道的竞争，很大程度上是物理世界交互数据的比拼。高端研发之外，海量数据采集工作，就显得格外重要。一批来自各行各业的普通劳动者，正汇聚到具身智能领域，担起了数据采集的重任。

北青报记者采访了几位背景迥异的数据采集员。李晓亮（化名）此前从事教育行业。经业内朋友介绍，他了解到具身智能数据采集赛道，看好这一新兴领域的发展潜力，最终选择跨界转型。

“以前我是向人输出知识，现在是为具身智能模型输出标准人体动作样本。”在他看来，这份工作容不得随意发挥，需要长期复刻规范动作，十分考验从业者的耐心与专注力。

杨若琪是中关村学院在读博士生，主攻模型研发与采集管线优化。最初吸引他转投这一研究方向的，是对日新月异的具身智能发展带来的好奇。

“真机采集需要遥操员穿上动作捕捉服，把人体动作映射到机器人上，看上去是不是很酷？”杨若琪一副打趣的口吻，但转瞬脸上的笑容就消失了，“只有干了才清楚其中的艰辛，单是抓取水杯这一个动作，就要采集上百至两百条样本。”

徐仲达此前从事软件测试工作，离职后选择投身具身智能领域，负责真人视角数据采集、真机遥操作动作捕捉两类工作。对他而言，这份工作是触摸前沿科技的窗口，他想亲眼目睹科技的发展。

多年的软件测试工作积累的经验，也让他在新的研究方向上找到了用武之地。“测试工作锻炼出的细节敏感度，对数据采集技术同样很有帮助。这让自己能快速上手进行高精度采集，还能主动优化作业流程。”徐仲达坦言。

全职转行、技术研发、跨界实操，几位从业者的经历，也展现了具身智能数据体系背后不同岗位的分工与协作。

观察：重复且微调，让模型适应环境变化

数据采集的工作，看似只是简单的抬手、抓取、放置，但一系列简单动作的背后，却是一套严苛、容错率极低的标准化流程。每一条合格数据，都要经过从业者反复自检、删除、重录。

有数据采集员告诉北青报记者，教机器人煎鸡蛋，一个完整的流程做下来，还是比较复杂的。标准化厨房小场景搭建好后，采集员准备就绪，人的肢体动作可以实时映射到旁边人形机器人身上，系统准备同步录制。

采集员先得拆解一连串简单基础动作：拿鸡蛋、磕开蛋壳、把蛋液倒进锅里、放下蛋壳、拿锅铲、观察蛋液凝固、推蛋、翻面、盛蛋出锅。

接下来，是核心环节：按下录制键，采集员做动作，机器人同步复刻相同动作，直至把蛋煎好。

单个煎蛋任务，采集员要重复上百次。每次会微调鸡蛋摆放位置、锅的位置，让模型适应环境微小变化，提升泛化能力。

采集完成后，数据审核人员处理素材，剪掉无效片段，给整条时序数据打标签，标注每一段动作对应的文字指令，然后打包成具身大模型可以读取的训练数据集。

最后用这套煎蛋数据集训练具身大模型。训练完成之后，脱离采集员的遥操作，让机器人自主尝试独立煎蛋。

类似这样煎鸡蛋的标准动作，李晓亮每天要重复300-500次。即便动作练成本能，他也不能走神，因为数据质量直接决定模型训练的最终效果。“入行之前，我想象这份工作就像操控大型智能装置，充满新鲜感。真正上手才发现，同一个标准动作要重复几百上千次，长时间精细操作难免枯燥，和最初想象落差很大。”

在李晓亮看来，这份工作和过去所从事的教育行业最大的不同，是从与人沟通输出，转向精细化实操。操作者需要理解机器人的运动逻辑，边做边调整动作方案，绝非无脑重复。车间还有硬性安全规范，机械臂力矩大，作业时严禁靠近运行设备。

谈到复杂任务的训练难点，像堆叠纸杯、薄纸分离这类任务，物体互相牵扯，力度把控极难，这样就很难单纯依靠物理公式建模，只能依靠海量真人数据反复迭代，让机器人摸索操作逻辑。“每一项机器人能力落地，背后都是大量细碎严谨的重复，外界很少看见。”李晓亮强调。

徐仲达向北青报记者介绍了两类采集的作业规范：“真人采集时，从业者需要佩戴头部、手部采集设备，搭配第三视角相机，上岗前先要检查全部设备状态，作业时手部要稳定保持在镜头范围内，不能出现多余肢体动作。”在采集过程中，通常每采集十条左右数据，就需要及时检查画面、视角、动作是否达标。一旦画面、动作存在瑕疵，就要删除重采，任务结束后还要统一归置设备。

对于另一类真机遥操作动作捕捉，徐仲达称，采集流程更为复杂，需要先穿戴动作捕捉服、完成设备标定校准，待机器人进入遥操模式后同步作业。操作者的姿态、幅度尽量向机器人对齐，样本完成后即时自查清理不合格数据。

徐仲达介绍，真人采集的场景搭建相对简单，采集速度快，成本低，适合大量日常家务场景；而真机遥操作动作捕捉，场景设备相对复杂，安全管控严格，采集成本更高，更多适用于工业场景、固定工位作业。

分析：试错样本，帮助机器人处理突发状况

大众普遍认为，具身智能训练能完成一次次的成功动作就好，但产业现场，失误、重试的试错样本同样珍贵。“比如最基础的拿杯子动作，我们不能只录稳稳成功抓取的画面。”徐仲达解释，团队还要专门采集抓取打滑、力度不足、偏移失误和二次重试的片段。正是这类试错数据，让具身智能遇到突发情况时，可以自主调整、重新尝试。

徐仲达回忆称，刚接触数据采集技术验证工作时，因为不熟悉流程，没有及时校验素材，曾导致一整天采集的数据全部作废，这次教训让他更加重视采集流程中的数据质量检查，也养成逐帧回看检查的习惯。而随着采集场景持续更新，工作也会生出新的趣味。“每当看到具身智能复刻自己录制的动作，强烈的参与感与成就感便会浮现。”徐仲达自豪地称，凭借过往软件测试的经验，自己还会在工作中发现软件漏洞、流程漏洞，向团队提出优化方案，提升采集效率。

长期实操，让李晓亮渐渐总结出了机器人的学习规律。“随时调整发力角度或是动作顺序，不仅自己操作更顺畅，模型也更容易学习。看到机器人依靠自己采集的数据完成复杂操作，内心满是欣慰。”李晓亮称，现在就是把自己当成教机器人做动作的老师，带着它一起完成一个个任务，也很有成就感。

在杨若琪看来，数据采集技术发展的长远目标，是把人类日积月累的行为经验交给机器人，让机器分担繁重重复的家务劳动，走入普通家庭。“真机采集成本高、流程繁琐，而全景采集管线可以依靠纯人类视角数据训练模型，降低产业成本，这是我们团队方案最大的亮点，也是未来工作的重点发力方向。”对于未来，杨若琪和他的团队充满信心。

记者手记：真人数据，补齐具身智能落地最后一块拼图

北青报记者走访多家具身智能数据采集车间，穿戴设备实地体验后感受到，制约具身智能真正走进现实生活的瓶颈，从来不在尖端技术，而在最朴素的真人物理行为数据。

仿真数据高效、规整、成本可控，能够快速满足模型基础训练需求，却始终脱离不了理想化的模拟环境。现实生活里瞬息万变的力度波动、环境干扰、操作失误、临场微调，是仿真公式无法演算、虚拟场景无法复刻的细节。而这些真实、琐碎、充满不确定性的人类行为，恰恰是机器人学会适配真实世界的关键。

一条完整的具身智能迭代链路，从来不是研发端的单向突破。上游企业定义技术需求，中游平台搭建采集体系，最终依靠无数普通从业者千万次重复、严谨、精细的肢体动作，为产业输出最核心的原始训练数据。

科技的迭代从不是单一的技术狂欢。再智能的模型，终究需要人类的真实行为做基石。再前沿的产业突破，背后都是平凡劳动者日复一日的托举。

文/北京青年报记者 翟天一

编辑/汪浩舟