8月31日，觅蜂科技第2万套MEgo无本体数据采集设备下线。这是行业第一次实现大规模化量产无本体数据采集设备。

　　同时，觅蜂科技宣布累计生产超过100万个小时的高质量无本体数据，成为行业第一家拥有百万小时级、可对外售卖无本体数据的数据服务商。

　　仪式现场，觅蜂科技董事长兼CEO姚卯青将第2万套MEgo交付京东。该设备将进入真实业务场景投入使用。

　　觅蜂科技同时宣布，其与腾讯Robotics X实验室达成无本体数据业务合作，为腾讯具身模型建设提供数据支持。

　　“物理AI的数据电网，今天立下了第一根电线杆。”姚卯青表示，就像电网建成之后，电力才真正改变了世界。数据采集第一次有了基础设施，物理AI的数据，从此可以被规模化生产。

　　当机器人进入更加复杂、开放的真实环境，需要学习的不只是“应该怎么做”，还要理解环境、预测变化，并进行推理和决策。这些能力，都离不开对真实世界的大规模学习。

　　觅蜂科技希望把分散在真实世界里的经验，持续转化为 AI 可以学习、训练和复用的数据资产。

　　伴随MEgo产品规模量产，2万套产品已陆续进入家庭、办公、零售、生产、餐饮等真实场景，累计采集有效数据达到百万小时。

　　此次觅蜂累计形成的100万小时无本体数据，全部来自开放环境中的真实采集，覆盖22大类场景、10,000余个真实环境、50,000余类物体以及500余种细分任务，涵盖居住、办公、零售、生产、仓储、餐饮、文娱休闲、交通出行等八大高频场景，并延伸至公共服务、物流、医疗、教育、养老、文旅、汽车服务、农业生产等长尾场景。

　　在采集形态上，觅蜂科技已形成Ego裸手、Ego+Wrist腕戴、Ego+UMI夹爪三类数据体系，分别对应人类自然操作、腕部姿态与连续运动轨迹，以及机器人末端执行等不同数据需求。其中，Ego裸手数据约50万小时，Ego+Wrist约35万小时，Ego+UMI夹爪约15万小时。

　　百万小时数据包含RGB、Depth、IMU、触觉、音频等多模态信息，形成覆盖真实场景、真实动作、真实交互的规模化数据供给。

　　百万小时数据背后是一套支撑真实世界数据持续生产的全链路技术体系。

　　真实世界中的动作天然复杂，尤其是在高速运动、手部出框、重度遮挡、多人交互等In-the-Wild（真实开放场景）环境下，如何准确重建人类手部动作和全身姿态捕捉，是将真实经验转化为机器可学习数据的关键。

　　围绕这一问题，觅蜂构建了MEgo Engine数据处理基础设施，覆盖数据处理、感知、标注和质量评估等环节，并通过高精度位姿重建与动作映射，将真实世界中的手部、身体、头部、机器人末端及环境信息转化为统一的空间数据。

　　其中，此次会上重点发布了HandPose高精度手部重建技术，通过五目全景感知、鲁棒手部追踪、三目深度融合、参数化手部重建、高精度轨迹恢复等技术，实现全场景鲁棒手部重建。

　　百万小时数据的价值，最终要由模型来验证。觅蜂科技不仅关注数据规模，更关注数据如何真正转化为模型能力。

　　为了让海量真实数据能够被高效利用，觅蜂科技还形成了ManiEval多维度数据质检与分级体系。

　　ManiEval从数据类型、任务类型、传感器质量、语义质量、动作质量等维度对数据进行评估，并提出“不过滤，只分级”的原则：不同质量、不同特征的数据，匹配不同的模型训练需求，让每一条真实数据都能够找到适合自己的应用场景。

　　觅蜂科技持续探索不同类型的数据在具身大脑、视觉－语言－动作模型、世界动作模型等模型中的应用，让真实世界数据进一步转化为机器的感知、行动与推演能力。

　　通过自研REMORA任务进度模型，团队让模型理解机器人当前的任务进度，并识别执行过程中的错误与异常；结合Value Model对真实部署的失败数据进行识别和筛选，将其中具有训练价值的信息重新回流数据体系。

　　由此，觅蜂正在打通“采集—重建—质检—训练—部署—回流”的完整链路：前端持续采集真实世界数据，中间通过重建、质检和分级将数据转化为训练资产，模型部署后产生新的反馈，再将高价值反馈回流到数据生产和训练体系中。

　　从真实数据到模型能力，再从模型反馈回到真实数据，数据真正成为推动物理AI持续进化的基础。

（文章来源：中国基金报）