老黑..(@yle43036):机械臂训练还有一类数据，采集时甚至不需要机械臂在场。人每天开抽屉、整理物品、拿起杯子、摆放工具，这些看起来很普通的动作，其实都包含了操作顺序、手部轨迹和对环境变化的即时判断。 Axis @axisrobotics 的移动端第一视角采集方案，可以通过手机或头戴设备记录人的日常操作，再重建手部的4D运动信息，同时补充语言描述和子任务标注。这样得到的并不只是一段视频，而是一份带有动作过程和任务语义的数据。仿真数据的优势是规模大、变量容易控制；第一视角数据补充的，则是现实环境里那些难以提前写进规则的细节。比如人为什么先扶住盒子再打开盖子，遇到物体滑动时怎么改变发力，以及一个长任务该怎样拆成几个连续步骤。机器人要学会的，最终还是人类在真实环境中处理问题的方式。把这些日常动作转成可训练的数据，可能就是连接仿真世界和现实机械臂的重要一层。

2026.08.25 06:06

机械臂训练还有一类数据，采集时甚至不需要机械臂在场。人每天开抽屉、整理物品、拿起杯子、摆放工具，这些看起来很普通的动作，其实都包含了操作顺序、手部轨迹和对环境变化的即时判断。 Axis @axisrobotics 的移动端第一视角采集方案，可以通过手机或头戴设备记录人的日常操作，再重建手部的4D运动信息，同时补充语言描述和子任务标注。这样得到的并不只是一段视频，而是一份带有动作过程和任务语义的数据。仿真数据的优势是规模大、变量容易控制；第一视角数据补充的，则是现实环境里那些难以提前写进规则的细节。比如人为什么先扶住盒子再打开盖子，遇到物体滑动时怎么改变发力，以及一个长任务该怎样拆成几个连续步骤。机器人要学会的，最终还是人类在真实环境中处理问题的方式。把这些日常动作转成可训练的数据，可能就是连接仿真世界和现实机械臂的重要一层。