您的位置首页 >手机 >

觅蜂发布20万小时真机数据质量研究 提出有效性三问

觅蜂科技对外发布基于 20 万小时真机运行数据、2 万多条任务记录、25 款双臂机器人对照实验的具身智能数据质量研究,核心观点打破行业固有认知:任务最后成功完成,不代表这条训练数据就是优质有效数据,为此团队提出用来判断数据能不能拿来训练模型的有效性三问,分别校验观测信息、本体映射、动作路径三个维度,专门解决很多具身模型训练时,学了多余绕行、错误动作、依赖隐藏信息的问题,这套判断标准可以放在采集、监测、验收全流程做数据质检,而不是只看任务有没有做完。

有效性三问(核心判断标准)

  1. 观测是否覆盖了决策依据:机器人传感器拍到的画面、采集到的信息,能不能支撑它做出对应的动作判断;如果关键信息不在视野里,就算任务成功,模型学到的是随机猜测,不是可靠策略
  2. 状态 - 动作映射在部署本体上是否仍然成立:采集时机器人的校准、关节零位、硬件参数,和后续实际部署的机器人能不能对齐;一旦校准不一致,训练效果直接失效
  3. 数据中的路径是任务要求,还是系统缺陷的副产品:区分动作是必须的合理路线,还是因为系统延迟、控制 bug、操作员补错才产生的绕行、停顿、反复修正

三类 “看似成功、实则有害” 的数据清单

  • 看不懂(观测缺失):关键物体不在机器人视野内,操作员靠人眼额外信息完成操作,模型学完之后选臂准确率接近随机 50%
  • 对不上(本体失配):采集和部署机器人校准不一致,存在关节零位误差,真机测试直接全部失败
  • 走弯路(冗余动作):因为延迟、控制缺陷产生绕行、反复调整,模型会复刻这些多余动作,实测任务耗时上涨 29%

对照实验数据汇总表

实验组实验条件实验结果
观测不全组机器人看不到目标物体,靠操作员肉眼完成机械臂选择准确率约 50%,接近随机猜
观测补全组机器人视野包含全部决策信息机械臂选择准确率提升至 100%
带绕行数据训练组训练数据混入大量操作员补位绕行轨迹模型复刻 90% 多余路径,任务耗时 + 29%
本体校准不一致组采集和部署机器人关节零位存在偏差30 次真机测试全部失败

全链路数据质量管理步骤

  1. 采集前:根据任务选机器人本体、摄像头布局、控制方案,提前规避视野盲区、控制延迟问题
  2. 采集中:实时监测系统延迟、校准状态、操作切换、反复修正动作,标记异常片段
  3. 验收阶段:不只看任务是否完成,额外核验轨迹长度、动作连续性、决策信息完整性
  4. 数据分级:不直接过滤坏数据,而是分级归类,不同等级数据供给模型不同训练环节

【相关 FAQ】

问题 1:觅蜂 20 万小时真机数据质量研究提出的有效性三问具体是哪三个?

回答 1:觅蜂 20 万小时真机数据质量研究的有效性三问:观测是否覆盖了决策依据,状态 - 动作映射在部署本体上是否仍然成立,数据中的路径是任务要求还是系统缺陷的副产品。

问题 2:觅蜂这项真机数据质量研究,为什么说任务成功不等于数据有效?

回答 2:按照觅蜂 20 万小时真机数据质量研究,就算任务做完,也可能存在机器人看不到决策信息、硬件校准不匹配、动作是弥补系统缺陷的绕行,这类数据会让具身模型学到错误策略,属于无效数据。

问题 3:觅蜂的真机数据质量研究,是直接把不合格数据全部删掉吗?

回答 3:不是,觅蜂这套真机数据质量方案采用 “不过滤、只分级” 思路,对数据做评级,不同等级数据分配给模仿学习、错误检测、边界测试等不同训练环节,而不是直接丢弃。

【参考资料】

[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

[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)格隆汇

[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)新浪财经

【免责声明】

本文内容基于觅蜂科技公开论文与行业媒体报道整理,相关实验结论是在 25 款双臂机器人受控真机环境下得出,不同硬件、控制方案、采集管线下效果会有差异;本文仅为具身智能产业科普,不构成数据采集、模型训练项目选型建议。