物理AI深度系列解读之具身数采模型迭代孕育数据产业新蓝海261104

核心观点与关键数据

• 具身数据与GPT6模型：国信证券发布的具身数据专题深度报告分析了具身数据的技术路线、市场前景及GPT6模型对其影响，强调数据产业新蓝海的孕育。
• 数据与模型闭环：具身智能领域数据规模与模型性能关系密切，当前数据采集未形成大规模效应，成为行业瓶颈。验证了scalinglaw在具身领域的存在，强调大规模高质量数据的重要性，但合成数据与现实世界行为任务完成存在差距，需进一步探索数据到模型再到场景的闭环机制。
• 市场潜力分析：具身智能行业面临高质量交互数据缺口巨大，需求量远超现有积累。预估2027年行业市场空间可达百亿，长期市场潜力超千亿元。
• 多模态数据融合与标准化：巨星具身数据中多模态融合存在挑战，触觉数据重要性及与视觉互补性需强调。多模态数据处理分四个阶段，处理厂商需具备高软件能力。数据标准尚未确立，影响研究与应用发展。

研究结论与产业分析

• 基膜厂商与GPT6模型应用：基膜厂商通过GPT6等多模态模型加速素材扩容，模型在语义理解、空间判断和任务规划方面提升显著。GPT6模型与VLA模型协同工作在机器人控制上高成功率，两者互补价值突出。
• 触觉数据采集与融合：触觉数据采集、融合难点突出，数据稀缺，采集技术路线未收敛，不同传感器数据难以融合，需经复杂后处理。恰当处理的触觉数据能提升模型性能。
• 数据采集与处理趋势：数据采集与处理在AI模型训练中作用关键，多元融合的数据采集路线成为趋势，如魔法原子的magicw0模型采用乌米真机、仿真等多种数据进行预训练。
• 不同类型数据应用：
  • 互联网视频数据：规模庞大但缺乏力和触觉信息，限制其在机器人交互中的应用，但可转化提取高精度训练数据。
  • 第一人称视角数据（Egocentric）：增长迅速，规模化潜力大，采集成本低，能记录双手操作及环境数据，提升机器人低线操作能力，但缺乏力反馈和外部视角理解。
  • 仿真数据：通过物理引擎构建虚拟场景，生成大规模交互数据，成本低、可扩展性强，但存在仿真与现实的鸿沟，动力学和接触建模不匹配是主要瓶颈。
  • 物理数据采集：包括无本体采集（动捕、乌米）和有本体采集（操作记录、真机回流），采集真实物理交互数据，成本可控，但效率较低，动作空间与真实机器人存在差距。
  • 动作捕捉数据：通过光学和惯性捕捉技术记录人体动作，用于机器人动作映射，数据复用，降低对机器人本体依赖，但存在embodimentgap和动作语义理解的挑战。
• 数据采集技术与成本：通过VR设备和外骨骼控制机械本体执行任务的数据采集方式，以及真实场景下机器人自主作业回流数据的价值与成本。尧操作数据高效复制技能，但采集成本高、效率低；真机回流数据学习价值高，但数据采集难度大、成本昂贵。
• 聚生数据产业分析：产业链从上游基础设施到下游应用场景，核心商业模式为素材工厂和众包采集。市场竞争格局中，规模化采集能力和高质量数据供给将构成企业竞争优势。
• 大模型在机器人领域的应用：大模型可作为策略模型生成末端位姿，监督和纠正VLA动作模型，以及作为研究员进行建模训练和调优。机器人架构分为onemodel端到端和分层端到端，分别以RTtwo和派系列模型为代表。
• 机器人视觉语言模型与分层控制架构：机器人视觉语言模型通过逐个预测动作token实现任务执行，helix02的分层架构包括S2语义理解、S1动作策略和S0运动控制层，强调各层频率差异及实时性要求，GPT6在高层任务理解与规划的优势，硬件投资机会向本体和踢链主线扩散。

数据环节与触觉数据处理

• 数据环节：主要包括上游采集设备、数据采集处理、模型训练、评测应用以及数据回流反馈等环节。当前主要挑战在于数据采集和处理阶段。
• 触觉数据应用特点：不同类型的触觉数据各有优势，真机或尧韬的数据提供机器人在真实环境中的操作示范，仿真合成数据可在预训练阶段使用，但存在与真实环境的差距。
• 触觉数据处理重要性：直接使用触觉数据未必能取得好效果，需经融合机制等后处理。设计的融合机制能显著提升任务成功率，强调触觉数据处理的重要性。