給機器人當老師，還能賺外快？“中國版Index”覓蜂派來了

一邊幹著家務或上著班，一邊輕鬆地採集具身數據，結束了還能賺一筆外快，真有這樣的好事嗎？答案是肯定的。上個月，Figure推出了機器人訓練數據眾包平臺Index，如今，“中國版Index”也來了。9月23日，覓蜂科技打造的“覓蜂派”亮相，“硬件+App+數據引擎”三位一體，自稱是“全球首個全品類高質量物理AI數據眾包服務平臺”。普通人下載“覓蜂派”手機軟件，申領一臺採集設備，領取採集任務，便可以接單採數據了。用戶不用額外付出時間，不影響正常的工作和生活。這些數據經治理、分級後，再被售賣，用於機器人訓練。

外賣、網約車等行業都靠眾包模式取得了成功，甚至連自媒體在某種程度上也是一種眾包，那麼在天花板更高的具身智能領域，眾包數採能跑通嗎？2萬臺設備，百萬小時數據 一條機器人訓練的無本體數據，從採集到使用，一共分為幾步？作為一傢俱身數據服務商，覓蜂給出的答案是：採→懂→譯→用，一共4步。先說第一步——採集。採集所需的硬件設備是一切的基礎。覓蜂自研的MEgo系列無本體採集終端，包括MEgo View和MEgo Gripper兩個產品。MEgo View針對的是Ego數採場景，採用頭戴式全景相機+腕部特寫相機，頭部視角記錄周圍環境，腕部視角補充操作細節。

而MEgo Gripper是UMI設備，輕量化採集夾爪重不到一斤，標配三維觸覺。我也體驗了一下MEgo View，它不是很重，戴在頭上感覺跟戴電動車頭盔差不多，長時間佩戴也不會有太大壓力。而且操作簡單，不需要調試，像戴帽子一樣自然。這種輕量化、無線設計對於“In the wild”採集數據非常重要。畢竟，誰也不想像戴個刑具似的，俺們脆皮的肩頸是真的受不了啊！截至目前，覓蜂已經下線了2萬套MEgo設備，這是行業第一次把這類設備做到大規模量產。行業裡的玩家都想早日實現規模化。規模化意味著成本下降，意味著生態有了基礎，意味著數據飛輪有望運轉……好處有太多太多。

覓蜂董事長兼CEO姚卯青說，電網建成之後，電力才真正改變了世界。如今，具身數據採集也有了屬於自己的基礎設施。姚卯青透露，MEgo設備現在的產能達到數萬套/月。這意味著，公司可以快速拉昇設備的保有量。如今，這2萬套MEgo設備已進入真實場景，累計採集了百萬小時有效數據。覓蜂自稱是行業首家擁有百萬小時級可對外售賣無本體數據的數據服務商。這些數據全來自開放環境的真實採集，覆蓋22大類場景，採集形態包括裸手、腕戴和夾爪，數據模態涵蓋彩色圖像、深度、慣性測量、觸覺和音頻等。手被擋住也沒關係 “採下來”只是第一步，接下來還要“看得懂”和“譯得準”。

奶茶店員拿起杯子，手指被杯身擋住一大半；美甲師和顧客的手湊在一起，到底哪隻手是採集者的；給寵物洗澡，手上全是沐浴露的泡沫…… 真實世界的動作天然複雜。高速運動、手部出框、重度遮擋、多人交互等等在實驗室裡被刻意規避的“雷區”，恰恰是真實世界的日常。怎麼從這些複雜的視頻裡，準確重建人類手部動作和全身姿態，還要弄清每一步在做什麼？這就是MEgo Engine數據引擎要乾的活。它負責對數據做預處理、空間感知、標註和質量評估等一整套工作。例如，數據引擎中的HandPose高精度手部重建技術，專門處理手部動作這個難點。

它結合五目全景感知、手部追蹤和三目深度融合，再通過參數化手部重建、軌跡恢復等技術，還原連續動作。在遮擋、交互、快速移動等真實作業場景中，它的七項核心指標全部達到SOTA水平。團隊說，在奶茶製作場景中，即便手部可見率低於30%，仍能實現亞釐米級三維重建；美甲時，區分採集者與他人雙手不在話下；寵物洗護時，高速運動產生模糊、泡沫改變手部外觀，系統也能穩定重建。這大大解放了採集者，因為採集數據對於他們而言，只是日常工作基礎上的錦上添花，總不能要求他們為了採數據，以0.5倍速做本職工作吧。除了手部，覓蜂還構建了面向頭部、身體、機器人末端及環境的空間重建能力。

覓蜂自研的統一算法底座MPR，在頭部、手部以及夾爪三類位姿重建上，軌跡還原誤差均小於1釐米，環境稠密深度重建達到亞釐米級。“翻車”數據也有用 數據處理好了，接下來就該回答：它能教會模型什麼？覓蜂的辦法是先做“因材施教”。只不過，這次需要分班的是數據。覓蜂的ManiEval多維度質檢體系，從數據類型、任務類型、傳感器質量、語義質量和動作質量等維度評估數據，再進行S、A、B、C分級，匹配不同訓練需求。動作軌跡精確的數據，可以用於策略模仿學習；場景豐富、任務含義清楚的數據，適合通用預訓練和表徵學習；操作失誤的過程，可以用來訓練錯誤識別；少見的場景和困難樣本，則有助於檢驗、拓展泛化能力。

好傢伙，沒有廢數據，只有放錯地方的數據啊（doge）。覓蜂把這套方法稱為“不過濾，只分級”。不過，團隊特別解釋，這一做法以合規和基本質量要求為前提，並不代表所有原始數據都能直接拿來訓練。圍繞具身大腦、視覺-語言-動作模型（VLA）、世界動作模型（WAM），覓蜂正在探索這些數據各自適合的用法。其中，大規模無本體數據主要承擔通用預訓練的作用，讓模型學習物體、動作、空間關係和任務過程。到了具體機器人上，仍需要對應本體的真機數據進行後訓練和優化。而機器人上崗之後，學習也沒結束。

覓蜂自研的REMORA任務進度模型，能讓模型理解機器人當前做到哪一步了、哪裡出錯了；再結合Value Model，篩選真實部署中有訓練價值的失敗和困難樣本，送回數據體系。也就是說，這次訓練翻車了不打緊，經驗和教訓還可能成為下一輪訓練的養料。由此，覓蜂正在打通“採集—重建—質檢—訓練—部署—迴流”的完整閉環，飛輪這不就轉起來了嘛～ 人人都能成為機器人訓練師 聊完了設備和技術，最後再聊聊我認為覓蜂派最核心的一點——眾包模式。最近一段時間，一些國內外具身公司用無本體數據訓練的模型都拿到了大結果。例如Figure的Helix 2.5，先用Index收集的大規模人類行為數據打基礎，再學習具體任務。

機器人在30個陌生家庭幹家務，加入人類數據預訓練後，任務成功率從9%提高到了56%。雖然具身數據還沒有收斂，但在當下的行業內，無本體數據的優先級明顯正在提升。今年不少具身公司都喊出百萬小時數據的目標，而到了明年，一些公司的數據規模目標又將提高一個數量級，達到千萬小時。如果具身模型要scaling up，千萬甚至上億小時級別的數據量是必要的，按照目前趨勢看，其中大部分或許都是無本體數據。覓蜂認為，現在集中式、半集中式的數據生產方式，無法滿足不斷增長的數據需求，成本也比較高，所以要逐步走向社會化採集。說實話，我沒想到用戶對眾包數採的積極性還挺高的。

覓蜂稱，覓蜂派在正式上線前為期一個月的內測中，平臺註冊用戶達到2萬人之多，累計提交了1.3萬份採集任務。用戶領取任務、佩戴MEgo設備完成指定操作，上傳後通過審核，按有效時長獲得相應報酬，有人一個月賺了5000多元。覓蜂派的眾包網絡，包含“場景網絡”和“人群網絡”。場景網絡連接酒店、餐飲、商超、物流、工廠、醫療、家庭、養老、非遺等真實作業環境；人群網絡連接不同年齡、行業和地區的參與者。覓蜂還給參加眾包數採的人取了個專門的名字：機器人訓練師。由此，眾包網絡中的超市店員、酒店清潔工、餐廳服務員，有了一個新的身份。在大洋彼岸，Figure的Index也在嘗試眾包這條路。

今年8月，Index從隱身狀態浮出水面，四個月內積累了1600萬條上傳視頻，覆蓋108個國家，應用下載量突破26.4萬次，每週活躍貢獻者超過4.3萬人，已向參與者支付1500萬美元報酬，Figure計劃未來一年在數據和算力上投入超過10億美元。兩家公司的共同判斷是：具身智能的數據瓶頸，不能靠堆專職採集員的人力，得把“人人都能成為機器人訓練師”這條路跑通。但覓蜂與Index也有顯著差異。Index是Figure自家訓練模型用的，屬於“自產自銷”；而覓蜂派面向的是各類數據採購客戶，按客戶需求組織生產，處理後對外交付。客戶多了，需要的場景、任務、數據模態和質量標準也更復雜。

要給各行各業的客戶提供數據，覓蜂靠啥保證這麼多品類？一方面，中國具有龐大的產業場景基礎，有全球規模最大的製造業體系、密度最高的物流倉儲網絡，還有數一數二豐富的零售和服務業態，這些真實場景是機器人最好的“教室”。產業場景再豐富，也得有人把它們一個個接進數據生產鏈路。另一方面，覓蜂也在牽頭拓展數據生態。覓蜂發起了“場景數據聯盟”，把場景方、採集網絡、機器人和模型企業全拉進群，主打一個從需求、採集到訓練、落地的“一條龍”閉環。首批就有50多家企業和機構入夥了。據覓蜂披露，其百萬小時級無本體數據已開始服務騰訊Robotics X實驗室、螞蟻靈波等客戶。

版權所有，未經授權不得以任何形式轉載及使用，違者必究。