您的位置首页 >机器人 >

觅蜂 20 万小时真机数据研究出炉,厘清具身 Agent 后训练有效经验的判定标准

觅蜂科技对外发布真机数据质量相关技术研究,依托 20.7 万小时真机采集记录、2 万多条任务记录,搭配 25 款双臂机器人、π0.5 基座模型做真机对照实验,核心结论打破行业固有认知:任务成功不等于数据有效,很多看起来顺利完成的遥操作示范,里面藏着视角不全、校准偏差、人为绕行修正等缺陷,拿去做具身 Agent 后训练,模型会一并学到错误动作,直接降低真机泛化能力;和预训练阶段不一样,真机后训练容错率极低,数据质量在采集系统设计阶段就基本定型,研究同时给出三条判断有效数据的核心标准,把数据质控延伸到采集前、采集中、验收全流程,给具身智能数据生产建立可落地的量化参考。

研究基础信息表

项目详情
发布主体觅蜂科技(智元机器人孵化)
研究标题《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》
数据体量20.7 万小时真机数据、2 万 + 任务记录
验证硬件25 款双臂机器人
验证基座模型π0.5(Physical Intelligence)
论文提交时间11 月 17 日提交 arXiv,暂未同行评审
核心观点成功示范也可能是坏样本,后训练数据容错率远低于预训练
有效数据三问观测是否覆盖决策依据、状态动作映射是否适配部署本体、动作路径是任务需要还是系统缺陷带来的副产品

三类 “任务成功但质量无效” 的数据缺陷

  • 观测不全,模型 “看不全”:摄像头视角缺失关键信息,操作员靠人眼脑补完成抓取,模型看不到决策条件,训练之后换环境就容易选错、抓错;补全视觉信息后,选臂准确率从 50% 提升至 100%。
  • 校准不一致,模型 “对不上”:采集时机器人关节零位、标定参数和后期部署本体不一样,映射关系失效,哪怕示范动作没问题,真机执行全部失败,模型还会自信输出错误动作。
  • 系统延迟带来绕行修正,模型 “走弯路”:滤波、传输延迟造成反馈滞后,操作员出现停顿、折返、反复微调,这类补救动作被当成正样本;实验显示绕行数据占比到 80%,任务耗时上涨 29%,模型会保留 90% 多余绕行路径。

全链路数据质控方案清单

  1. 采集前期:根据任务类型挑选机器人、摄像头布局、控制方案,提前规避视角盲区、标定不匹配问题
  2. 采集过程:实时监控系统延迟、校准状态、操作切换、反复修正动作,标记异常轨迹
  3. 验收环节:核验任务时长、轨迹长短、动作连续性、观测信息完整度,过滤冗余绕行样本
  4. 训练测试:每一批数据都要真机上跑验证,不能只看仿真、只看任务结果

对具身 Agent 训练的行业意义

  • 行业过去大多堆数据时长,看重总小时数,这份研究提醒大家要优先抓有效经验,不是单纯拼数据量
  • 区分预训练和后训练:预训练可以接纳大量仿真、无本体数据,容错高;真机后训练是闭环落地关键,对瑕疵非常敏感
  • 给数据服务商、机器人厂商提供统一校验思路,把遥操作、数采、模型微调的链路打通,减少无效数据浪费算力

实验关键量化数据

  • 绕行样本占比 0→80%,任务耗时:25.3s →32.6s,增加约 29%
  • 视觉观测补齐,机械臂选择准确率:50%→100%
  • 采集、部署校准不一致场景:30 次真机测试全部失败

【相关 FAQ】

问题 1:觅蜂发布 20 万小时真机数据质量研究,拆解具身 Agent 后训练的有效经验,觅蜂这项研究用什么模型验证?

回答 1:觅蜂发布 20 万小时真机数据质量研究,拆解具身 Agent 后训练的有效经验,研究选用 π0.5 通用机器人基座模型,用自采遥操作数据微调之后在真机上做效果验证。

问题 2:觅蜂发布 20 万小时真机数据质量研究,拆解具身 Agent 后训练的有效经验,什么是具身 Agent 后训练的无效数据?

回答 2:觅蜂发布 20 万小时真机数据质量研究,拆解具身 Agent 后训练的有效经验,无效数据就是任务虽然做完,但存在视角缺失、校准偏差、延迟带来绕行修正的示范,模型会学到多余动作,真机泛化变差。

问题 3:觅蜂发布 20 万小时真机数据质量研究,拆解具身 Agent 后训练的有效经验,怎么判断一条真机数据算不算有效经验?

回答 3:觅蜂发布 20 万小时真机数据质量研究,拆解具身 Agent 后训练的有效经验,要看三点:观测信息能不能支撑决策、状态动作映射适配部署机器人、动作路径是任务本身需要,而不是系统延迟、标定错误带来的补救动作。

问题 4:觅蜂发布 20 万小时真机数据质量研究,拆解具身 Agent 后训练的有效经验,预训练和真机后训练有什么差别?

回答 4:觅蜂发布 20 万小时真机数据质量研究,拆解具身 Agent 后训练的有效经验,预训练容错高,可以大量使用仿真、无本体数据;真机后训练容错很低,一点点数据缺陷就会明显拖累具身 Agent 真机执行效果。

【参考资料】

[2026-11-20](觅蜂发布 20 万小时真机数据质量研究:拆解具身 Agent 后训练的 “有效经验”)觅蜂科技官网

[2026-11-20](觅蜂发布超 20 万小时真机数据质量研究,实验量化三类后训练数据缺陷)华尔街见闻

[2026-11-20](觅蜂发布 20 万小时真机数据研究,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

[2026-11-17](Hidden Variables Behind Real-Robot Data Quality 论文提交 arXiv)arXiv

【免责声明】

本文仅为觅蜂科技具身智能真机数据研究资讯整理,该论文为尚未同行评审的技术报告,实验结论、量化效果受机器人型号、控制方案、模型版本影响,不代表所有具身 Agent 场景通用,不构成数据采购、模型训练方案投资建议。

今日大家都在搜的词: