“特训学堂”为具身智能加注“数据燃料”
走进北京人形机器人创新中心（以下简称“北京人形”）具身智能机器人数据与训练基地，映入眼帘的是一间间特殊的“教室”。在这里，分拣快递、折叠衣服、抓取药品……40种构型各异的机器人伫立在不同的操作台前，在数据训练师的遥控下反复练习。每一个动作都被传感器精准捕捉记录，并转化为机器人深度学习的训练样本。
机器人想要认识世界、理解世界，需要大量来自真实世界的数据“教材”。在这个占地近6000平方米的基地里，家居、商超、工业装配、化学实验室、康养护理等模拟实景分区排布，构成一座面向人形机器人的“实景实训工厂”，源源不断产出高质量数据。
在物流分拣的场景里，一台机器人正在学习分拣传送带上的物品，将其准确抓取并放置到指定位置。机器人身后的数据采集员穿戴采集设备，反复完成姿态调整、抓取物件、分拣放置等各类实操动作。旁边的电脑屏幕上，一连串运动轨迹数据同步跳动、实时回传。
“一些看似简单的动作，实际上要应对物体软硬程度、表面摩擦力、空间距离、环境光照变化等大量动态变量。”北京人形数据与训练基地项目经理刘磊介绍，数据采集员并不是在重复同一套演示动作，而是在目标物体的形状、颜色、数量、位置以及背景等多种因素随机组合、不断变化的场景中反复采集演示数据；机器人也不只是通过遥操作进行模仿学习，还需要感知环境，学习并记忆人类的行为习惯。每一次成功的抓取、每一个失败的调整，都被完整记录。
数据采集只是第一步。海量原始数据汇入“慧思开物”平台底座，经过清洗、标注、校验、质检等一系列加工环节，沉淀为标准化样本，服务于算法模型迭代训练。
基地不仅搭建了模拟实景，还建设了约200平方米的专业光学动作捕捉场地，为机器人的拟人化动作提供了高精度的采集环境。在今年举办的第二届世界人形机器人运动会百米决赛中，天工Ultra跑出8.64秒这一超越人类百米世界纪录的成绩，背后离不开高精度数据的支撑，它们帮助机器人学会更加流畅、自然的肢体语言。
目前，基地已对外交付近3万小时高质量数据，并打通了从数据采集、清洗、质检、标注到模型训练、真机评测、模型部署、数据回流的完整闭环链路。
“具身智能产业浪潮袭来，高质量数据成为其迭代升级的核心燃料。”北京人形数据部产品及项目负责人史明威表示，一万小时高质量数据，可能比一百万小时重复数据更重要。依靠这些高质量数据，大模型不仅能够习得人类动作规律，还可以逐步掌握任务理解、动作规划与自主执行能力，推动机器人持续迭代升级，由被动执行指令，加速向可自主感知、自主决策的智能体转型。
采集的数据价值，还在于开放共享。2025年12月，北京人形面向全球开发者开源开放具身智能数据集RoboMIND，在一个月内全球下载量实现翻倍增长，目前全球下载量已突破2000万次。
史明威说，此前很长一段时间里，国内人形机器人赛道面临高质量具身数据稀缺、各家数据格式不统一、数据生态碎片化等难题，不少企业需要投入高额成本自建采集体系。RoboMIND的开源，正在打破这道数据壁垒。
中国信息通信研究院近期发布的《具身智能训练场研究报告（2026年）》显示，全球可用的高质量真实数据仅为数十万至百万小时级，而机器人要迎来“ChatGPT时刻”，则需要千万小时级的真实数据，供需之间存在量级差距。截至今年6月底，全国共建成启用超过70家具身智能训练场，在建或规划中的训练场有40多家。
史明威表示，基地长远目标瞄准产出百万小时级“高价值、高可用、可论证”的人形机器人交互数据，同时将数据的标准与合规作为“护栏”，保障数据资产安全可用、可流通，让数据飞轮推动具身智能产业加速迭代。（记者 郭倩）