机器人训练数据有个难题：互联网上能学到的文本和图像很多，但真实世界的物理经验却很难获取。Humyn Labs 正在解决这个问题——他们把人类动作转化为机器人可用的同步训练数据。

这套数据系统采集的信号相当丰富，包括 IMU（惯性测量单元）、立体深度、6-DoF 头部姿态、21 点手部关键点、手腕追踪、物体追踪以及密集动作标签等多模态信号。换句话说，机器人的"感官"被全方位覆盖。

打开网易新闻 查看精彩图片

为什么机器人不能像大模型那样"上网学习"？

打开网易新闻 查看精彩图片

与从整个互联网学习的 LLM（大语言模型）不同，机器人数据缺乏捷径。语言模型可以从海量文本中提取规律，但机器人要执行物理操作，必须依赖真实世界的经验数据，这是网络数据无法替代的。

Humyn Labs 正在构建一个面向 Physical AI（物理人工智能）学习的数据平台，目前涵盖四种感官模态。随着机器人从实验室走向真实场景，这类"人类经验转译"的数据基础设施，正在成为行业的关键一环。