武汉建起“机器人职业学院” 用拍Vlog的方式给机器人当老师

文/图 湖北日报全媒记者 张竞恒 黄洁如 通讯员 王婷 实习生 杨敬琨

一间模拟餐厅后厨里，一名“厨师”头戴黑色轻便头环，熟练地颠起锅里的“菜肴”。他的每一帧动作，都通过头环上的双目摄像头实时传到手机上。乍一看像是在拍第一视角美食Vlog，其实是在给机器人采集训练数据（如图）。

8月5日，蚂蚁数科武汉高质量数据基地在硚口区正式启用。这个被称为机器人“职业学院”的基地里，最受关注的不是昂贵的机器人设备，而是一项叫AoE的技术——一副重量仅为240克的头环或是一台手机，再加上几十块钱的颈挂支架，工作、生活时戴在身上，就能顺手给机器人当 “老师”。

当天上午，湖北日报全媒记者走进该基地看到，社区药房、零售门店等真实场景被一一还原。在传统数据采集方式的区域里，训练师们戴着VR头显、穿着外骨骼，模拟取药、整理货架等操作。但在超市货架、后厨等AoE采集区，装备轻便了许多。

记者将头环穿戴起来，几乎感觉不到压重。伸出手后，系统自动识别，数据采集随即开始。与头环相连的手机屏幕上，可以清晰看到模拟人眼的两路“鱼眼”画面，分别对应 “左眼” 与 “右眼”。

“两个摄像头间距越宽，物体3D重建的精度就越高，操作时得保证手一直在画面里。” 工作人员介绍，这些画面里包含了视觉、触觉、运动轨迹等多模态数据，经过清洗、三维重建、语义标注、质量评估后，就变成了能直接训练智能体的数据集。

蚂蚁数科天玑实验室首席科学家张博告诉记者，天玑实验室可让相机轨迹重建精度达到毫米级，靠智能算法自动把连续视频剪碎成一个个“伸手”“抓瓶”“放下”的标准化动作单元，剔除废片。以后，普通人甚至不需要专用头环，只需要将手机绑定在胸前持续录制，就能获取有效信息。

该方案不仅支持数千台设备并发采集，还能通过AI自动识别手物交互、自动切分标注视频，实现云端自动化处理。实测效果相当惊人：针对机器人关电脑任务，仅靠50条遥操作数据时成功率为45%，引入200条 AoE数据后，成功率直接跃升至95%。

“据行业公开数据，2025年底全行业可用的具身数据约50万小时，真正用到某家公司模型训练的可能只有几万小时。”张博道出当前具身智能的数据瓶颈，“预计2026年底能达到百万小时左右，而未来的需求是上亿小时，缺口巨大。”随着AI从大模型时代迈向智能体时代，要让机器人真正走进工厂、门店干活，高质量数据成了关键资源。

据了解，该基地首期入驻员工规模超过1000人，计划打造上百个核心具身场景，构建1000万条高质量数据集，打造国内最大的企业级无本体具身数据采集社区。