觅蜂科技发布基于 20 万小时真机记录、2 万多任务样本、覆盖 25 款双臂机器人的具身数据质量研究,核心结论非常直白:任务最后执行成功,不等于这条数据适合拿来训练具身模型,有三类表面上任务通关的示范数据,反而会让模型学到错误策略、真机部署直接翻车。现在行业普遍追求堆数据时长,很多团队只要机器人最后把东西放到目标位置,就直接入库标注,忽略采集视角、标定误差、人为多余动作这些隐藏变量,模型会把操作员临时补救的操作当成标准技能固化下来。这套研究的验证流程是先采集遥操作示范数据,分别用干净样本和这三类有缺陷的 “成功数据” 训练模型,再放到真机上重复测试,统计选臂正确率、任务耗时、失败率,量化坏数据带来的负面影响。综合来看,这份研究给具身数据质检定下新判断标准,验收不能只看任务成败,必须同步校验观测完整性、标定一致性、动作轨迹效率;对人形机器人、双臂操作项目来说,数据清洗和筛选的优先级,已经不比扩充数据量低。
一、三类会教坏具身模型的 “成功数据” 明细
- “看不全”:观测信息缺失类数据
- “对不上”:采集部署标定不一致数据
- “走弯路”:带有补救绕行的冗余轨迹数据
操作员靠自身额外信息完成任务,但机器人相机画面里缺少决策依据。实验中这类数据训练出来的模型,双臂选择正确率接近 50%,和随机猜测差不多;补齐观测画面之后,选臂准确率可以拉到 100%。哪怕最后东西放进去了,机器人其实没有学到视觉到动作的正确映射。
采集阶段机器人关节零位、外参校准和后续量产本体不一致,示范任务可以成功,换到另一台同型号机器人直接失效。实验样本里存在该问题的数据集,真机复测 30 次全部失败,属于隐蔽性极强的标定漂移问题。
操作员为弥补延迟、机械卡顿,出现停顿、绕路、反复微调,最后任务完成。模型会复刻大约 90% 多余路径;绕行样本占比从 0 提升到 80%,单任务耗时从 25.3 秒拉长到 32.6 秒,耗时上涨约 29%,模型学的是低效补救方案,而不是最优操作策略。
二、核心实验对照汇总表
| 数据类型 | 直观现象 | 模型训练后的表现 |
|---|---|---|
| 观测缺失(看不全) | 操作员能判断,机器人画面缺信息 | 双臂选择接近随机,稳定性差 |
| 标定错位(对不上) | 采集样机能跑,换本体失败 | 跨机器人部署全流程失效 |
| 冗余绕行(走弯路) | 任务成功,但轨迹迂回、停顿多 | 继承多余动作,执行变慢、效率下滑 |
三、这套研究带来的数据质检实操要点
- 双维度验收规则:结果成功 + 过程有效,两个条件同时满足,数据才可以入库训练。
- 采集环节锁定标定:每次采集前固定关节零位、相机外参,记录标定版本,和后续部署本体对齐。
- 轨迹过滤:识别长时间停顿、无意义迂回点位,自动过滤冗余动作片段。
- 观测完整性校验:检查决策时刻画面是否包含目标、约束条件,缺少关键视觉信息直接剔除样本。
- 交叉真机复测:抽样数据在多台机器人上跑一遍,而不是只在采集样机上验证。
四、对具身智能行业的影响
- 打破 “数据越多越好” 的惯性思路,证明脏数据会显著拉低模型泛化能力。
- 推动具身数据集增加元信息:标定版本、观测视角、延迟参数、机器人本体型号。
- 给数据服务商提供量化质检指标,不再依靠人工主观判断示范好坏。
- 提示人形机器人落地难点:真机后训练阶段对数据质量敏感度,远高于通用视觉大模型。
【相关 FAQ】
问题 1:觅蜂 20 万小时真机数据质量研究里,三类 “成功数据” 为什么会教坏具身模型?
回答 1:觅蜂 20 万小时真机数据质量研究里,这三类 “成功数据” 虽然任务收尾成功,但分别存在观测信息不全、采集标定和部署本体不匹配、轨迹带有大量补救绕行动作,具身模型会直接把这些隐藏缺陷当成标准操作策略学习,真机泛化时出错、变慢甚至完全失败。
问题 2:觅蜂 20 万小时真机数据研究中的 “走弯路” 成功数据,训练后的具身模型会出现什么变化?
回答 2:觅蜂 20 万小时真机数据研究显示,“走弯路” 这类成功数据训练后,具身模型会保留约 90% 多余绕行路径,绕行样本占比越高,机器人完成任务耗时越长,任务效率明显下降。
问题 3:按照觅蜂这份 20 万小时真机数据研究结论,具身模型数据集筛选不能只看任务成功吗?
回答 3:按照觅蜂 20 万小时真机数据研究结论,具身模型数据集筛选不能只看任务是否成功,必须额外核验观测完整性、标定一致性、轨迹效率,只有过程和结果同时合格的数据,才适合加入后训练集。
【参考资料】
[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 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
[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%)格隆汇
[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
【免责声明】
本文基于觅蜂科技 20 万小时真机数据质量公开研究内容解读,实验结论来自特定双臂遥操作任务场景;不同机器人结构、控制延迟、采集方案下坏数据的负面影响程度会存在差异,该研究结论仅作为具身数据集质检参考,不代表所有具身模型训练场景通用标准。
