机器人领域的数据飞轮：为什么这个闭环会复利
部署、采集、重训：机器人数据闭环真实存在，但只有当你挖掘失败而非堆砌小时数时，它才会复利。一篇面向工程师、OEM 与投资人的行业观察。
让大语言模型总结一份法律摘要，它可以借助人类花了几个世纪写下的语料。让人形机器人叠一件衬衫，却没有可与之相比的档案可依。互联网上几乎找不到一个例子，记录机器人夹爪如何合拢在一个柔性物体上，并在布料滑动时调整力度。这类数据在有人造出一台机器去生产它之前，根本不存在。
这是每一份人形机器人融资材料底下都令人尴尬的事实：模型并不是稀缺资源。Transformer 策略、diffusion 动作头、vision-language-action 骨干网络，正越来越多地被共享、发表和复现。真正把一个 demo 与一款产品区分开的，是喂养它的数据闭环，而这个闭环必须被刻意制造出来。部署机器人，采集它的所见与所为，在困难的部分上重新训练，再次部署。每一圈都理应让下一圈更便宜。
这个思路借自自动驾驶：一支已部署的车队安静地记录着能改进下一版模型的里程。在机器人领域，同样的闭环真实存在，但它不会免费转动，也不会均匀转动。搞清楚它在哪里产生复利、又在哪里卡住，决定了一支车队究竟是能自己养活自己，还是只是在烧钱，把同一个简单的成功重复采集一千遍。
机器人从一份空白语料起步
语言和视觉模型有一个容易被忘记的先发优势。在有人用文本、图像和视频去训练基础模型之前，它们早已以网络规模堆积在那里。机器人动作数据没有这样的库存。一条轨迹，也就是机器人所见、其关节状态以及它所采取动作的时间序列，必须由一个在物理世界中运动的物理系统记录下来。
这个领域的应对之道，是把仅有的一点数据汇集起来。Open X-Embodiment 把来自 22 种不同机器人本体、20 多个实验室的大约一百万条轨迹拼接在一起，并证明在所有这些数据上联合训练出的单一策略，比只在任何单一机器人上训练的策略迁移得更好。DROID 又补充了 76,000 条在数百个真实场景中采集的遥操作轨迹。这些都是里程碑式的工作，但与语言模型消耗的数十亿 token 相比，它们仍然很小。这道鸿沟本身就是整个问题所在。
闭环的解剖
剥掉营销辞令，这个飞轮有四个运动部件。
- 部署。把策略放到真实硬件上，无论是遥操作、自主，还是二者有监督的混合。
- 采集。记录同步的数据流：相机画面、本体感知、接触力，以及所采取的动作，成功与失败一并记录。
- 筛选。决定什么值得留下。这一步几乎被所有人低估。
- 重训。把新数据并入下一个检查点，评估它，然后重新部署。
喂给采集环节的各种来源并不能相互替换，它们之间的差别决定了轮子转得多快。
| 来源 | 当前大致规模 | 机器人动作标签 | 增长的边际成本 | 主要局限 |
|---|---|---|---|---|
| 遥操作（DROID、RH20T） | 数万条轨迹 | 有，且精确 | 高，每条轨迹一名人工 | 扩展缓慢且昂贵 |
| 自主车队回合 | 随车队规模增长 | 有，机器人自身的 | 部署后很低 | 冷启动，偏向成功 |
| 人类第一人称视频（Ego4D、Ego-Exo4D） | 数千小时 | 无直接标签 | 低 | 本体差异，缺动作流 |
| 仿真（Isaac 等） | 近乎无限 | 有，合成的 | 仅算力 | 仿真到现实的差距 |
真正产生复利的是什么
接下来是让人不舒服的部分。原始小时数不会产生复利。一个机器人在简单任务上成功，并把这次成功记录一万遍，产出的是一个几乎没有价值的大数据集，因为策略本来就会做这件事。真正撼动损失函数的，是那些罕见的轨迹：滑掉的抓取、出现在模型没有料到位置上的物体、濒临失败后的补救。
一支只记录自己成功的车队，是一个被拆掉轴承的飞轮。它在转，却什么都没有动。
这就是为什么筛选这一步比采集这一步更重要。跑在前面的团队，是那些从部署中挖掘边缘案例，然后把昂贵的遥操作或有针对性的采集，恰好花在这些缺口上，而不是花钱去记录更多本已奏效的东西。Physical Intelligence 与 Toyota Research Institute 都明确表示，驱动其最强行为模型的是数据的筛选与质量，而非单纯的数量。部署之所以有价值，与其说是因为它产生数据，不如说是因为它绘出了一张当前模型在哪里失败的地图。
谁在转动这个轮子
不同公司以不同方式攻克冷启动。1X 把人形机器人送进家庭，部分是为了收集没有哪个实验室能提前脚本化的家务长尾。Agility Robotics 让 Digit 在真实仓库里运行，那里的任务分布很窄，但采集是持续的，并由工作本身买单。Figure、Boston Dynamics 以及其他公司，都在遵循同一套打法的变体：先部署到受限环境，再随着策略赢得信任而拓宽分布。
在模型一侧，NVIDIA 的 Isaac GR00T 大量依赖仿真与合成轨迹来填补真实数据，而 Gemini Robotics 则从一个通用视觉-语言模型继承了网络规模的语义基础，再把它微调向动作。两者都是针对同一种短缺的回应。来自 Ego4D 和 Ego-Exo4D 等数据集的人类第一人称视频，是第三种押注：以第一人称记录人们完成任务的大量小时数，富含意图与情境，唯独缺少机器人自身的动作标签。
没人放进幻灯片的阻力
这个闭环有真实的阻力。重新训练一个大型策略并在硬件上验证它，既慢又贵，因此闭环时延，也就是从记录到一次失败到部署出一个修复之间的时间，可能长达数周。自主采集偏向策略已经能够触及的成功，于是恰恰欠采样了那些真正重要的边缘案例。而数据本身如今是一种受监管的资产。在机器人于欧盟运行的地方，AI 法案与数据法案对现场采集的运营数据和个人数据如何被记录、共享与再利用施加了义务，这重塑了一支部署车队在法律上可以回收进训练的内容。
飞轮这个比喻承诺了某种近乎免费的东西：部署足够多的机器人，数据、模型与护城河就会自行累积。现实要苛刻得多。只有当每一圈都对准当前模型尚且做不到的事情，只有当喂养它的数据干净到足以信任、有据到足以留存，轮子才会产生复利。真正把这一点内化的公司，并不是在采集更多数据，而是在采集更好的失败。