具身智能数据是推动该技术突破和落地应用的关键,其重要性堪比AI时代的石油。优质数据集能驱动智能体感知环境、加速模型训练部署,并帮助机器人完成复杂任务。不同于大语言模型可使用互联网海量信息,机器人需通过操作实践或仿真模拟收集多源异构数据,因此高质量、多样化的数据集成为行业刚需。
具身智能数据主要分为真实数据和仿真数据两大类:
- 真实数据:通过机器人传感器在真实环境中交互采集,主要来源包括机器人遥操和动作捕捉。其优点是高度还原真实场景,但成本高、效率低。
- 仿真数据:借助计算机模拟技术生成的虚拟环境数据,具有低成本、高效率、可控性强、多样性高等优势,但真实性有限。两者互补,未来将混合使用。
当前具身智能数据多为厂商自采集,存在采集成本高昂、数据标注门槛高等问题。市面上已存在丰富的高质量开源数据集,如智元的AgiBot World、谷歌的OpenX-Embodiment、国地共建中心的RoboMind等,这些数据集涵盖多种场景、任务和动作技能,为行业提供重要参考。
仿真数据生成技术主要分为两种路径:
- 合成视频+3D重建:基于像素流驱动,先生成视频或图像,再重建为3D数据,如Hillbot、群核科技、World Labs等。
- AIGC直接合成3D数据:利用GNN、扩散模型等方法直接合成结构化空间数据,如ATISS、LEGO-Net、DiffuScene等。
投资建议重点关注布局具身智能数据集的企业,相关标的包括均胜电子(数据场)、海天瑞声(机器人数据集)、索辰科技(数据仿真)、华如科技(数据仿真)。
风险提示包括相关政策不及预期、企业IT预算不及预期、市场竞争加剧等。