2025年12月26日，【想象·2025極新AIGC峰會】在上海浦東浦軟大廈成功召開。青瞳視覺副總裁季耀輝先生在會上做了題為《具身數(shù)據(jù)標(biāo)注通往未來的迭代之路》的演講。重點(diǎn)分享了青瞳視覺的發(fā)展情況、發(fā)展歷程以及他們在具身智能領(lǐng)域的一些成就和突破。

青瞳視覺副總裁 季耀輝

季耀輝重點(diǎn)提到以下幾點(diǎn)：

“具身智能的核心是實(shí)現(xiàn) “數(shù)據(jù) - 算法 - 場景” 的閉環(huán)。“

“目前，具身智能行業(yè)的數(shù)據(jù)采集與標(biāo)注已具備一定基礎(chǔ)，部分企業(yè)已通過現(xiàn)有數(shù)據(jù)訓(xùn)練模型并取得初步效果，但仍存在諸多未解決的問題?！?/p>

“我們的技術(shù)創(chuàng)新以自研為核心，同時(shí)秉持開放合作的心態(tài)，積極聯(lián)合行業(yè)伙伴，共同開發(fā)新產(chǎn)品、完善解決方案?！?/p>

以下內(nèi)容為嘉賓分享實(shí)錄，經(jīng)極新整理，希望能給大家?guī)硎斋@。

本次分享聚焦具身智能，目前我們已與智元、宇樹機(jī)器人等頭部機(jī)器人企業(yè)、無人機(jī)公司、AI 大模型公司及重點(diǎn)生產(chǎn)企業(yè)建立了廣泛合作。

01

具身智能落地的重要挑戰(zhàn)

“具身智能的核心是實(shí)現(xiàn) “數(shù)據(jù) - 算法 - 場景” 的閉環(huán)”

青瞳視覺在具身智能領(lǐng)域的核心任務(wù)，是數(shù)據(jù)采集與數(shù)據(jù)標(biāo)注服務(wù)。這一業(yè)務(wù)對具身智能的發(fā)展至關(guān)重要，2024 年至 2025 年，具身智能數(shù)據(jù)采集與標(biāo)注行業(yè)發(fā)展迅猛，投融資活動(dòng)十分活躍。作為技術(shù)驅(qū)動(dòng)型企業(yè)，我們更關(guān)注技術(shù)發(fā)展帶來的新要求與潛在市場機(jī)遇。

從國外馬斯克旗下的相關(guān)企業(yè)，到國內(nèi)優(yōu)秀的機(jī)器人企業(yè)，人形機(jī)器人及各類專業(yè)機(jī)器人的發(fā)展速度令人矚目。它們的能力不斷升級，從春晚舞臺上的舞蹈表演，到如今完成復(fù)雜任務(wù)，未來還將涉足老人看護(hù)、醫(yī)療輔助、生產(chǎn)線自動(dòng)操作等多個(gè)領(lǐng)域。要實(shí)現(xiàn)這些復(fù)雜功能，核心前提是獲得高質(zhì)量、高精度的訓(xùn)練數(shù)據(jù) —— 機(jī)器人需要通過這些數(shù)據(jù)快速學(xué)習(xí)技能，并在實(shí)際操作中通過反饋持續(xù)優(yōu)化，這正是具身智能發(fā)展的關(guān)鍵所在。

用通俗的邏輯解釋，具身智能的核心是實(shí)現(xiàn) “數(shù)據(jù) - 算法 - 場景” 的閉環(huán)：機(jī)器人需要 “看見”“聽見”“觸摸” 這個(gè)世界，獲得實(shí)時(shí)反饋，從復(fù)雜數(shù)據(jù)中提取有效信息，指導(dǎo)后續(xù)決策與行動(dòng)；行動(dòng)后產(chǎn)生的新數(shù)據(jù)又將作為下一輪學(xué)習(xí)的基礎(chǔ)，形成持續(xù)迭代的循環(huán)。

當(dāng)前，部分具身智能領(lǐng)域已展現(xiàn)出令人驚嘆的成果，自動(dòng)駕駛就是典型代表。自動(dòng)駕駛汽車通過激光傳感器或純視覺傳感器，能夠精準(zhǔn)識別道路標(biāo)線、指示牌、行人、非機(jī)動(dòng)車及各類突發(fā)情況，并迅速作出反應(yīng)。這一能力的背后，是數(shù)億甚至數(shù)十億公里的海量數(shù)據(jù)采集，以及對這些數(shù)據(jù)的詳細(xì)標(biāo)注與持續(xù)迭代訓(xùn)練 —— 這也正是具身智能領(lǐng)域的核心發(fā)展邏輯：在不斷迭代、學(xué)習(xí)與成長中，逐步掌握復(fù)雜任務(wù)。

對比不同階段的 AI 模型，數(shù)據(jù)需求的復(fù)雜度呈階梯式上升：純文本的大語言模型（如早期 ChatGPT），僅需文本數(shù)據(jù)進(jìn)行訓(xùn)練，互動(dòng)與評價(jià)也以對話為主；進(jìn)入多模態(tài)時(shí)代，視覺大模型需要處理數(shù)以億計(jì)、甚至數(shù)百億計(jì)的圖片與視頻動(dòng)態(tài)視覺信息；駕駛大模型的需求更為復(fù)雜，不僅需要視覺數(shù)據(jù)，還需結(jié)合任務(wù)目標(biāo)、操作行為及結(jié)果反饋，進(jìn)行綜合判斷；而具身大模型的復(fù)雜度又上了一個(gè)維度。

以簡單的 “拿起一瓶水” 為例，機(jī)器人需要判斷瓶子的軟硬程度，控制合適的力度 —— 既不能過大導(dǎo)致捏壞瓶子，也不能過小導(dǎo)致瓶子滑落。在復(fù)雜場景中，如操作精密機(jī)器時(shí)，機(jī)器人需要精準(zhǔn)控制機(jī)械臂的角度、端點(diǎn)位置與力度；在化工反應(yīng)場景中，還需結(jié)合溫度、壓強(qiáng)等多維度參數(shù)。這些需求使得具身智能的數(shù)據(jù)采集在密度、維度上呈指數(shù)級增長，數(shù)據(jù)標(biāo)注的難度也隨之大幅提升。此外，還需解決數(shù)據(jù)時(shí)間軸對齊、節(jié)拍一致等問題，更要應(yīng)對執(zhí)行過程中的偏差修正 —— 如何在偏離預(yù)設(shè)方向時(shí)及時(shí)調(diào)整，是具身智能落地的重要挑戰(zhàn)。

目前，具身智能行業(yè)的數(shù)據(jù)采集與標(biāo)注已具備一定基礎(chǔ)，部分企業(yè)已通過現(xiàn)有數(shù)據(jù)訓(xùn)練模型并取得初步效果，但仍存在諸多未解決的問題。當(dāng)前技術(shù)更多能應(yīng)對移動(dòng)相關(guān)的基礎(chǔ)需求，通過平面坐標(biāo)系、標(biāo)定、避障等簡單邏輯實(shí)現(xiàn)功能，但在高維度、高精度操作（如力度控制）、現(xiàn)實(shí)與數(shù)字信號的雙向轉(zhuǎn)換等方面，仍有巨大提升空間。例如，從現(xiàn)實(shí)世界采集數(shù)據(jù)并轉(zhuǎn)化為數(shù)字信號，再將訓(xùn)練成果還原到現(xiàn)實(shí)場景，這一過程存在采樣局限與信息提煉的雙重挑戰(zhàn)，如何確保還原過程的準(zhǔn)確性與穩(wěn)定性，是行業(yè)面臨的核心難題。

當(dāng)前主流的四種數(shù)據(jù)采集方式均存在明顯弊端：純真人采集效率極低；虛擬數(shù)據(jù)易與現(xiàn)實(shí)脫節(jié)；純視覺數(shù)據(jù)缺乏多維度參考，只能實(shí)現(xiàn)部分采樣；而現(xiàn)實(shí)信息的抽象提取與還原過程，經(jīng)過兩層轉(zhuǎn)換后易出現(xiàn)模擬失真。

針對這些痛點(diǎn)，青瞳視覺提出了優(yōu)化方案 —— 雖無法一勞永逸解決所有問題，但實(shí)現(xiàn)了顯著突破：

第一，實(shí)現(xiàn)多模態(tài)采集。通過統(tǒng)一操作流程，同步采集視頻、音頻、觸感、反饋等數(shù)據(jù)，未來還將拓展溫度等更多指標(biāo)，確保數(shù)據(jù)的完整性與持續(xù)性。

第二，提升采集精度與穩(wěn)定性。依托傳統(tǒng)光學(xué)技術(shù)優(yōu)勢，實(shí)現(xiàn)比慣性采集等常規(guī)手段更高的定位精度；同時(shí)通過多模態(tài)數(shù)據(jù)互補(bǔ)，解決光學(xué)攝像頭遮擋問題 —— 遮擋時(shí)由慣性系統(tǒng)提供數(shù)據(jù)支持，光學(xué)系統(tǒng)恢復(fù)工作后再對慣性數(shù)據(jù)進(jìn)行校準(zhǔn)，實(shí)現(xiàn)快速、完整、準(zhǔn)確的數(shù)據(jù)采集。

第三，實(shí)現(xiàn)數(shù)據(jù)復(fù)用與場景適配。一次采集的數(shù)據(jù)可適配多種終端、不同類型的機(jī)械手與機(jī)械臂；采集方案具備強(qiáng)環(huán)境適應(yīng)性，可應(yīng)用于露天場景、實(shí)際生產(chǎn)車間等復(fù)雜環(huán)境；通過自主設(shè)計(jì)的流程方案實(shí)現(xiàn)數(shù)據(jù)倍增，突破純真人采集的局限。

02

解決方案還需多元

“我們的技術(shù)創(chuàng)新以自研為核心，同時(shí)秉持開放合作的心態(tài)，積極聯(lián)合行業(yè)伙伴，共同開發(fā)新產(chǎn)品、完善解決方案?！?/p>

具體來看，我們的方案整合了光學(xué)傳感器、慣性傳感器、力反饋傳感器（可采集法線方向與切線方向的摩擦力數(shù)據(jù)）及溫度等其他傳感器，通過光學(xué)系統(tǒng)對采集環(huán)境進(jìn)行校準(zhǔn)，進(jìn)一步提升數(shù)據(jù)準(zhǔn)確率與質(zhì)量。這套方案能夠?qū)崿F(xiàn)高準(zhǔn)確度、高適應(yīng)性的多模態(tài)數(shù)據(jù)采集，結(jié)合與各行業(yè)客戶合作開展的數(shù)據(jù)標(biāo)注與數(shù)據(jù)倍增工作，可滿足大批量、快速采集的需求，服務(wù)于機(jī)器人、汽車生產(chǎn)企業(yè)、智慧工廠、智慧物流等多個(gè)行業(yè)。

除了核心的觸覺手套 + 光學(xué)捕捉方案，我們還針對不同行業(yè)需求，打造了多元化的解決方案：

• 精準(zhǔn)定位與性能評測：光學(xué)定位方案的重復(fù)定位精度可達(dá) 0.01 毫米，已成為機(jī)器人行業(yè)行為準(zhǔn)確度的核心評測標(biāo)準(zhǔn)，我們在蘇州設(shè)立的評測中心，可承接各類人形機(jī)器人及專業(yè)機(jī)器人的性能評測業(yè)務(wù)；

• 靈巧手精準(zhǔn)操作：通過在手上貼光學(xué)觸點(diǎn)的方式，實(shí)現(xiàn)無需手套的高精度細(xì)致操作；

• 多場景數(shù)據(jù)采集：涵蓋遙操作、工廠實(shí)地訓(xùn)練數(shù)據(jù)采集，無人機(jī)、機(jī)器狗在強(qiáng)紅外光、日光照射等特殊環(huán)境下的采集，仿生機(jī)器人、機(jī)械臂操作采集，以及水下采集（已解決能見度、折射等水下環(huán)境帶來的影響）；

• 柔性對象采集：針對易形變、易誤識別的柔性采集對象，通過技術(shù)創(chuàng)新實(shí)現(xiàn)精準(zhǔn)檢測與采集。

我們的技術(shù)創(chuàng)新以自研為核心，同時(shí)秉持開放合作的心態(tài)，積極聯(lián)合行業(yè)伙伴 —— 例如與觸覺傳感器技術(shù)領(lǐng)先但光學(xué)領(lǐng)域薄弱的企業(yè)合作，共同開發(fā)新產(chǎn)品、完善解決方案。在此，我們誠摯歡迎行業(yè)內(nèi)各類企業(yè)與我們對接：無論是有業(yè)務(wù)需求，還是擁有可補(bǔ)充我們技術(shù)短板的優(yōu)質(zhì)方案，都期待與大家攜手，共同開拓這一對國計(jì)民生與市場發(fā)展具有重要意義的新興領(lǐng)域。

更多干貨分享敬請注我們的公眾號與視頻號~超多精彩對話內(nèi)容等待您的解鎖！