觅蜂科技最新发布具身智能真机数据质量论文,依托 20 万小时以上真机数据、2 万多条任务记录,同时覆盖 25 款主流双臂机器人做对照实验,得出一个行业关键结论:只看任务能不能做完,不足以判断示范数据是否合格,有三类表面上任务成功的数据,拿来训练具身模型,反而会让模型学出错误策略,真机落地效果大幅下滑。现在很多具身团队做后训练,习惯优先收集 “任务成功” 的示范,默认成功数据就是好数据,忽略了数据里隐藏的观测缺失、校准偏差、多余动作问题;这套研究专门针对后训练阶段,预训练侧重通用视觉语言知识,而后训练真机数据直接对齐机器人本体和物理交互,容错空间很小,哪怕单次任务成功,隐藏缺陷会被模型复刻放大。实验数据很直观,比如观测不全的样本训练后,机械臂选择正确率接近 50%,和随机猜差不多;校准不一致的样本,甚至会让真机测试全部失败;绕行冗余动作的数据占比拉高之后,机器人完成任务耗时直接上涨 29%。研究团队建议,数据验收不能只看任务结果,要新增观测完整性、校准一致性、轨迹连续性、执行效率等多维度指标,数据质量管控要覆盖采集、监测、验收全流程。
一、三类 “成功但有害” 数据清单
- 看不全(观测缺失型)
- 对不上(校准偏差型)
- 走弯路(冗余动作型)
机器人传感器画面没有捕捉到本次动作的决策依据,操作员靠画面外信息完成操作。模型学不到 “先观察再决策”,只会随机选动作,实验里选臂准确率接近 50%。补全观测信息之后,选臂准确率可以提升到 100%。
采集阶段机器人关节零位、外参校准,和后续部署的机器人不一致。哪怕采集时任务顺利完成,部署到真机上整套动作全部失效,实验里 30 次真机测试全部失败。
操作员为了弥补系统延迟、硬件缺陷,产生停顿、绕行、反复修正这类多余动作。模型会复刻大约 90% 的额外路径;绕行数据占比从 0 提升到 80%,任务耗时从 25.3 秒涨到 32.6 秒,增加 29%。
二、三类坏数据对照表格
| 类型 | 现象 | 实验结果 | 核心问题 |
|---|---|---|---|
| 看不全 | 决策依据不在机器人观测画面里 | 选臂准确率≈50%,近似随机 | 观测信息和动作决策不匹配 |
| 对不上 | 采集、部署两套机器人校准参数不一致 | 真机测试全部失败 | 采集环境和部署本体不统一 |
| 走弯路 | 示范里存在绕行、停顿、反复调整 | 任务耗时上涨 29%,模型复刻 90% 多余路径 | 把补救动作当成标准策略学习 |
三、研究的基础实验条件
- 数据体量:20 万小时 + 真机交互数据,2 万 + 任务记录
- 测试机型:25 款双臂机器人,包含智元 G1/G2、宇树 G1-D、Franka、松灵等主流机型
- 研究阶段:具身模型后训练(真机对齐阶段)
- 论文名称:《真实机器人数据质量背后的隐藏变量:数十万小时数据带来的经验》
四、对具身 AI 行业的启发
- 数据质量优先级高于数据总量,盲目堆成功示范小时数,不一定提升模型能力,甚至引入错误策略。
- 数据验收标准要升级,不能只看任务成功与否,增加观测完整性、校准一致性、轨迹效率校验。
- 采集系统本身是源头,传感器布局、控制延迟、标定流程,在采集前就要规范,而不是后期过滤。
- 不同本体之间数据不能直接混用,跨机器人迁移时,校准、本体参数差异会带来隐性风险。
五、后续值得关注的方向
- 行业会不会形成标准化的具身真机数据质检指标
- 觅蜂这套质检方案是否会做成工具,开放给其他机器人团队
- 更多具身模型厂商,会不会调整后训练的数据筛选策略
【相关 FAQ】
问题 1:觅蜂发布 20 万小时真机数据质量研究,三类 “成功数据” 可能教坏具身模型,这三类数据分别是什么?
回答 1:觅蜂发布 20 万小时真机数据质量研究,三类 “成功数据” 可能教坏具身模型,三类分别是观测信息不全的 “看不全” 数据、采集和部署校准不一致的 “对不上” 数据、带有绕行停顿多余动作的 “走弯路” 数据。
问题 2:觅蜂发布 20 万小时真机数据质量研究,三类 “成功数据” 可能教坏具身模型,绕行冗余数据会带来什么影响?
回答 2:觅蜂发布 20 万小时真机数据质量研究,三类 “成功数据” 可能教坏具身模型,模型会复刻约 90% 的绕行多余路径;绕行数据占比提升到 80% 时,机器人完成任务耗时增加 29%。
问题 3:觅蜂发布 20 万小时真机数据质量研究,三类 “成功数据” 可能教坏具身模型,这项研究是针对模型哪个训练环节?
回答 3:觅蜂发布 20 万小时真机数据质量研究,三类 “成功数据” 可能教坏具身模型,研究聚焦具身模型后训练阶段,这个阶段是用真机数据把模型对齐到真实机器人本体和物理交互,容错率很低。
问题 4:觅蜂发布 20 万小时真机数据质量研究,三类 “成功数据” 可能教坏具身模型,以后筛选具身示范数据不能只看任务成功吗?
回答 4:觅蜂发布 20 万小时真机数据质量研究,三类 “成功数据” 可能教坏具身模型,是的,不能只看任务是否成功,还要校验观测完整性、校准一致性、轨迹连续性、执行效率等指标。
【参考资料】
[2026-11-20](觅蜂发布 20 万小时真机数据质量研究:三类 “成功数据” 可能教坏具身模型)界面新闻
[2026-11-20](觅蜂发布 20 万小时真机数据质量研究 提出有效性三问)CNMO 科技
[2026-11-20](觅蜂发布 20 万小时真机数据质量研究,找出 “成功数据” 背后的错误示范)上观新闻
[2026-11-20](觅蜂发布真机数据质量研究:模型保留约 90% 示范绕行路径,任务耗时增加 29%)新浪财经
【免责声明】
本文内容基于觅蜂科技公开论文、媒体报道整理;实验结论来自限定机型、限定场景下的对照测试,不同机器人硬件、控制方案、模型架构下效果会存在差异;本文不构成具身模型数据采集、数据集筛选、机器人项目落地的选型与开发决策依据。
