具身智能的数据来源,正在变得越来越丰富。但采集的这些数据,模型都真的学到了有用的东西吗?
同样是把一个物体成功放进盒子,有的示范干净、直接;有的示范却因为机器人动作迟缓、操作方式不顺,夹杂了等待、绕路和反复修正。
从结果看,两次任务都成功了。但对模型来说,它可能也学习了错误示范。
近日,觅蜂科技真机操作团队发布《真实机器人数据质量背后的隐藏变量:数十万小时数据带来的经验(Hidden Variables Behind Real-Robot Data Quality: Lessons from Hundreds of Thousands of Hours)》论文,从20万小时以上真机数据、2万多个任务记录的工程积累出发,结合25款双臂机器人的结构分析、多组遥操作对比实验,以及模型训练后的真机测试,拆解影响真机数据质量的隐藏因素。
在具身模型的训练链路中,预训练无本体数据帮助模型获得更广泛的视觉、语言和任务知识;后训练真机数据则进一步把这些能力对齐到具体机器人、具体任务和真实物理交互。它记录的不只是环境里有什么,还包括机器人应该怎样观察、怎样运动、怎样与物体接触。 前者容错率高,后者容错率极低。
正因为这些示范会更直接地影响机器人的动作策略,觅蜂的这项研究旨在追问:这些真机数据进入后训练管线后,模型究竟学到了正确能力,还是连同数据中的缺陷一起学走?
三类“成功数据”,为什么在后训练中仍会把模型教坏?
研究把数据真正用于模型训练,通过真机执行检验:一条示范虽然完成了任务,模型究竟学到了什么?
结果显示,三类表面成功的数据,仍可能分别让模型看不懂、对不上和走弯路。
看不全:操作员知道,机器人不知道
第一个问题是:机器人看到的信息,能否解释它接下来采取的动作?
实验中,积木被放在机器人初始视野之外。如果操作员凭借自己的肉眼直接判断积木位置,机器人记录到的画面里就没有选择左手或右手的依据。基于这类数据训练的模型,选对手臂的概率约为50%,接近随机猜测。
当操作员与机器人同视角,先寻找积木,确认位置后再选择机械臂,准确率提高到100%。
这说明,一条好数据不仅要记录“机器人做了什么”,还必须记录“机器人为什么这样做”。后训练数据的有效性,首先取决于观测是否覆盖了决策依据。 如果画面里没有选择动作所需的信息,后训练出的模型学会的不是“先观察再行动”,而是“在信息不完整时随机选择”。
对不上:采集和部署没使用同一把“尺子”
第二个问题是采集和部署之间的校准一致性。
在测试条件下,只要训练集中保留一部分与部署机器人校准状态一致的数据,不同校准批次的历史数据仍有继续使用的可能。但如果部署机器人自身存在关节零位误差,30次真机测试全部失败。
因此,数据一致性并不意味着所有历史数据必须完全相同,而是必须确保模型在训练中学到的状态与动作关系,在部署机器人上仍然成立。对后训练而言,校准一致性不是数据清洗的细枝末节,而是模型能否在部署本体上可靠执行的前提。 模型不会“知道”自己学到的映射已经失效,它只会自信地执行错误动作。
走弯路:操作员的补救,被模型学成了习惯
第三个问题是示范中的多余动作会不会被模型自动过滤。
答案同样不乐观。
团队在人为加入停顿和绕行动作的数据上训练模型。结果显示,模型能够平滑部分突然加减速,却保留了约90%的额外路径。当绕行数据占比从0增加到80%时,机器人完成任务的时间从25.3秒增加到32.6秒,延长约29%。后训练数据的危险之处在于:它会把“成功”和“动作质量”混为一谈。一次为了弥补系统缺陷而产生的多余动作,在数据中与“成功完成任务”绑定在一起。模型学到的策略是:在类似观测下,绕路和停顿是通往成功的合理路径。它无法区分“任务需要的动作”和“系统缺陷导致的补偿动作”,因为数据里两者混在一起,且都标注为成功。
“隐形坏数据”是怎么被生产出来的?
这三类问题看似发生在模型训练和真机执行阶段,源头却往往早在数据产生之前就已经埋下:机器人身体是否适合任务、控制是否顺手、反馈是否及时,都会决定操作员需不需要停顿、绕路和反复补救。后训练数据的质量,不是训练阶段能补救的,它在采集系统设计的那一刻就已经被决定了。
本体不合适:“够得着”不等于“干得好”
判断一台机器人能不能完成任务,人们通常先看机械臂够不够长、能不能碰到目标。但“够得着”和“能干活”是两回事。
团队分析了智元 G1/G2、宇树 G1-D、星海图、松灵、ARX、Franka等25款主流双臂机器人。结果显示,如果只看机械臂能不能到达某个位置,往往会高估它真正完成任务的能力。
比如,从桌上拿起一个杯子,不只是把手伸到杯子旁边,还要让夹爪从合适的方向靠近。如果机械臂虽然能碰到杯子,关节却已经拧到接近极限,操作员就不得不增加调整动作。
末端工具加长后,可达采样点增加,但不少共同可达位置的关节极限代价也随之上升。
实验中,把夹爪长度增加10厘米后,机器人能够到达的位置增加约39.4%。但加长工具后,机器人的关节更容易接近运动极限,精细调整的余量随之减少。这也像人拿着一根过长的筷子:虽然伸得更远,手腕却更难调整。
相比单纯加长工具,腰部运动可以通过改变肩部的位置和方向,扩大机械臂真正好用的范围。在运动学分析中,用肩部在15厘米范围内平移来模拟腰部带来的位置调整,部分姿态下的有效工作空间扩大至固定肩部时的3.4至5.5倍。
因此,设计数据采集任务时,不能只问“机器人能不能碰到”,还要问:它能不能用合适的角度、自然的动作完成任务?研究提出,机器人选型不能只比较机械臂长度,还应综合评估任务所需的位置、夹爪方向和关节余量;工作空间不足时,应优先考虑腰部运动,而不是简单加长末端工具。
控制系统不顺,多余动作就会进入数据
本体决定机器人能做什么,控制系统则决定操作员怎样把意图传给机器人。
如果同一个手柄需要在机械臂、腰部、底盘和头部之间频繁切换,操作员就只能依次完成动作。机器人最终虽然也能完成任务,但轨迹中会出现大量停顿和模式切换。
在地面取料和桌面擦拭实验中,团队逐步将腰部交由逆运动学控制、将底盘和头部交由头显控制,使不同身体部位可以并行运动,任务完成时间由此缩短43%至53%。
在开门、擦拭、双手搬箱等接触任务中,单纯依靠高刚度位置控制,还可能使机器人不断与环境“较劲”。柔顺控制在测试任务中提高了成功率,并使开门和擦拭任务的峰值接触力分别降低71.3%和69.1%。
延迟带来的影响则更加隐蔽。
一个滤波算法可能只需要不到1毫秒完成计算,却给实际运动带来超过200毫秒的相位滞后。操作员看到的画面落后于机器人的真实动作后,容易越过目标、等待反馈,再反向修正。
这些修正并不是任务本身需要的动作,却会以正样本的形式进入训练集。控制系统引入的多余动作,最终会被后训练固化进模型的动作策略里。 因此,判断一个采集系统好不好,不能只看网络延迟或算法运行时间,也不能只看机器人最终有没有完成任务,而要测量从操作指令、机器人响应到视觉反馈返回的完整人机闭环。
有效真机数据,决定模型能否真正落地
对机器人公司而言,真正值得积累的,是一套从场景中获得经验、用经验训练模型、再回到场景验证的能力。采集系统决定经验能否被完整记录,数据质量决定模型能否学对,真实部署则不断暴露下一批需要解决的问题。
在 Agentic 时代,这条循环的重要性会进一步上升。机器人公司的场景优势,也要在这个过程中兑现:让每一次真实执行,都有机会改善下一次执行。
基于大规模数据生产经验,觅蜂已将数据质量管理贯穿采集全链路:在采集开始前,根据任务需要选择合适的机器人、摄像头和控制方式;在采集过程中,监测系统延迟、校准状态、操作切换和反复修正;在数据验收阶段,不只检查任务是否成功,还要检查完成时间、轨迹长度、动作连续性和机器人是否获得了完整的决策信息。
后训练真机数据,是模型“能够在具体机器人上完成任务”的关键一环。决定这一步效果的,不只是采集了多少数据,更是其中有多少“有效经验”。一条后训练数据是否有效,取决于三个问题:观测是否覆盖了决策依据?状态-动作映射在部署本体上是否仍然成立?数据中的路径,是任务本身的要求,还是系统缺陷的副产品?这三个问题的答案,在数据进入后训练管线之前,就已经被写入。




























