一个模型能写文章、能认图片、能对着一段视频讲得头头是道,可真让它拧开一个瓶盖,常常就露了怯。差的不在眼睛,也不在词库,而在手上那层说不清的分寸:杯子有多重,握到什么程度会滑,塑料壳按下去会不会变形。
这一篇不谈模型有多大,只谈它缺的那一类数据。看得见的东西早就被喂得足够多,摸得着的东西却几乎还是空白,而机器人要真正干活,靠的恰恰是后面这半截。
看得见却使不上劲
在2026智元创新日的灵巧操作分论坛上,临界点首席具身科学家黄碧丹表示:“现在的大模型就像缸中之脑,看过海量图文与视频数据,却从未真实触摸过物理世界。”这是她在论坛上用的一个比方,不是一句客观结论。
这个比方点得很准。模型见过无数张拿杯子的图片,却不知道杯子是空是满、表面是滑是涩、握紧到哪一步会开始往下溜。画面告诉它那里有个东西,没告诉它碰上去是什么手感。
据媒体报道,她认为当前训练被“视觉霸权”主导,模型在数字世界里泛化得出色,一进真实物理场景就频繁失效。换句话说,会认不等于会做,认得再准,手底下没有轻重,动作照样落不了地。
把这几句摆在一起,缺口就具体了:不是数据不够多,而是数据里少了接触、受力和形变这一维。缺了这一维,模型再会看图,也像隔着玻璃学骑车,姿势都对,脚底下没有路感。
两条采数据的路
据媒体报道,眼下采操作数据大体有两条路。一条是真机遥操,由人操控机器人本体把动作做一遍,数据质量最高,自带本体约束,可直接拿去训练,代价是贵,还得靠专业操作人员,规模很难铺开。
另一条是第一人称数据,也就是让人戴着设备、以自己视角记录日常操作。据媒体报道,这类数据容易获取、场景覆盖广,却缺触觉,还原不了施力意图,多半只能用于预训练,离直接上手干活还差一截。
两条路各有短板:一条准而贵,一条便宜而薄。行业真正想要的,是既有真机数据那样的质量,又能像第一人称数据那样铺得开,还得把人手那点说不清的力道一起记下来。
这也提醒了一件事:数据不是按小时堆得越多越好。一段没有力、没有接触信息的视频,喂得再多,教会的仍只是怎么看,而不是怎么碰。多和够,在这里并不是一回事。
给手戴一副手套
据媒体报道,临界点自研并量产交付了一款数据采集手套,企业称它能同时采集人手的位置、姿态和触觉信息,把这几路信号统一打包输出,让人戴着手套照常干活,顺手就把数据记下。
关于这款手套的参数,企业称,每个指尖以磁场定位融合惯性测量来抗干扰,定位精度可达0.1毫米;全手排布746个触觉感知点位,空间分辨率可达3毫米,用来记录手与物体接触的位置和力度。
这几个数都得带着“企业称”来读。它们是企业公布的参数,不是第三方实测报告,更不是全行业通用规格。看不懂磁场定位也无妨,要紧的是它想补的那一块:手在哪、怎么弯、哪儿碰到东西、用了多大劲。
据媒体报道,企业称这些数据经过处理和跨本体动作重定向之后,能在机器人真机上回放,完成与人类示范相同的任务;能不能在同样条件下把动作复现出来,被它当作检验数据够不够用的标准。
从戴上手套采到一段数据,到模型真能据此把活干对,中间还有筛选、标注和跨本体适配等好几道工序。据媒体报道,企业方面也提到这些环节仍需打磨,采集入口变宽,不等于整条链路已经铺平。
堆量不如堆质量
关于到底需要多少数据,她判断,普通人类日常操作的场景,可能百万小时级别的数据就基本能够覆盖,再往上堆量收益会递减,胜负手落在质量上。请留意这是她个人的判断,不是行业定下的刻度。
她把话说得留了余地:一是用“可能”,二是限定在普通日常操作,三是没给这个判断配一个时间表。读的时候把这三层限定一起带上,才不会把一句估计听成一份路线图。
所谓质量,落回到前面那个缺口,就是有没有触觉、精度够不够、能不能还原施力意图。堆时长相对容易,多录几万小时就行;补上“摸”这一维却要换设备、换采集方式,慢得多,也难得多。
所以量与质并不是非此即彼。规模决定模型见过多少种场面,质量决定它进了真实场景会不会失手。对一只真要拧螺丝、捏薄膜的手来说,后者的分量,眼下显然更沉一些。
难的都是软活
这个缺口落到具体工序上,长什么样?另一家企业灵心巧手一位负责人对《中国经营报》表示,最难的工序是柔性组装,也就是软的活:线材插接、薄膜抓取、织物整理这一类,物体一受力就变形。
按这位负责人的说法,抓哪儿、用多大劲,都得实时判断,没有一张能提前写死的图纸。更麻烦的是“软、小、精”叠在一起:尺寸小,容错空间就小;要求精,力控窗口就窄;三者同时出现,难度不是相加,是相乘。
这正是纯视觉数据最难覆盖的地方。线材一碰就弯,薄膜一捏就皱,形变发生在接触的那一瞬,图片只记下了形状变了,记不下当时手上用了几分工。要教会模型这一手,先得把这份力道采回来。
模型看得见画面,却摸不着轻重;补上这一课,靠的不是把视频再喂多几倍,而是让手真正记下碰过什么、用了多大力、物体又怎么回了弹。等这些数据成了气候,看得见和摸得着,才算接上了头。
免责声明:本文基于公开信息撰写,仅供读者参考,不构成任何投资建议。