揭秘家务视频背后的高价回收：机器人训练新趋势

请仔细观察，这位男子，我们暂且称他为“小帅”。

你可能未曾想到，他在厨房中轻松煎牛排、打理家务的同时，每小时能赚取高达1000多元（约合150美元）的惊人收入。

难怪小帅每天上班都笑得合不拢嘴。

难道他发现了什么秘密兼职？

镜头一转——原来是机器人。

没错，如今，你的家务视频正被Encord、Micro1、Scale AI等数据分析服务提供商高价回收，作为训练人形机器人的重要素材。

评论区网友纷纷索要招聘链接。

机器人也需要“家教”

当前，机器人是AI领域中的热门话题之一。

硅谷著名投资人Vinod Khosla等人正大力押注这一领域，并预计该领域将很快迎来其“ChatGPT时刻”。PitchBook数据显示，今年迄今，机器人领域的风险投资已激增至121亿美元。

然而，在技术的飞速发展背后，机器人行业共同面临数据匮乏的挑战。

“与大型语言模型不同，机器人没有现成的互联网数据集可用，必须从零开始在现实世界中生成训练数据，难度要大得多。”AI数据服务公司Encord的联合创始人Ulrik Hansen如此指出。

目前，机器人训练数据的来源主要分为两大类：现实世界中的真实数据与合成数据。

真实数据可通过精密设备远程操控机器人执行任务，并同步记录下包括关节力矩、电机旋转等在内的全套物理数据。这种方法能够捕获“手感”等力控信息。

另一种方法是通过直接记录人类在现实环境中的活动来获取数据，如Apple Vision Pro或专业动作捕捉系统，记录人类执行任务的全过程。

这类数据质量高、保真度强，能准确反映真实世界的复杂物理交互。但问题在于其规模有限、成本高昂，难以满足机器人模型对海量数据的需求。

合成数据则为问题的解决提供了另一种思路。通过在虚拟环境中自动生成各种动作变体或构建完整的交互场景，合成数据能够以较低的成本实现数据的自由获取。

例如，NVIDIA Cosmos就是一个“世界基础模型”，能够生成高度逼真、类似视频游戏的环境用于机器人训练。在这里，“世界”指的是机器人交互的环境，如机器人操作的房间内可见区域。

为了兼顾真实性与规模性，机器人公司通常采用结合真实与合成数据的方式。通过将少量的现实世界数据与大规模合成数据相结合，它们能够克服机器人技术中数据稀缺的问题。

面对数据饥渴的现状，各家公司采取了多种应对策略。

Encord透露，他们今年对此类数据的处理量已达到去年的四倍。他们高价回收真实数据，如果是操作设备等高技术任务的视频，酬劳最高可达每小时150美元。

另一家AI数据服务公司Micro1的CEO Ali Ansari则表示，他们开出的报酬每小时在25至50美元之间。

此外，Scale AI宣布正快速拓展机器人业务，并在其旧金山总部设立了专用实验室。迄今为止，他们已生成超过10万小时的训练影像。

这些影像的需求主要来自于Physical Intelligence、波士顿动力等公司。

甚至有一家机器人初创公司在Craigslist上发布广告，以每小时10至20美元的价格征集用户用手机拍摄家务视频。

尽管各方努力，优质数据依然短缺。该初创公司的创始人透露：“市场上没有大型数据集可供购买，规模最大的也仅有约5000小时时长，这远远不够。”