觅蜂科技正式对外发布《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》研究成果,基于超 20 万小时真机运行数据、2 万多条任务记录,同时分析 25 款主流双臂机器人,针对具身智能后训练场景提出数据有效性三问;研究打破行业旧思路,也就是不能只看机器人任务有没有做完,就算任务成功,数据也可能带着缺陷,把模型教坏,这套三问标准用来快速筛查无效示范数据,给机器人遥操作数据采集、治理、验收提供完整参考,现在行业大量团队在做具身 Agent 训练,很容易踩 “表面成功、实际无效” 的数据坑,这份研究刚好补上真机数据质量判定的工程标准。
一、研究基础信息表
| 项目 | 详情 |
|---|---|
| 研究主体 | 觅蜂科技 |
| 数据体量 | 20 万小时以上真机数据、2 万 + 任务记录 |
| 测试机型 | 25 款双臂机器人(智元、宇树、星海图、松灵、Franka 等) |
| 核心产出 | 数据有效性三问、三类无效成功数据、全链路数据质量管理方案 |
| 适用场景 | 具身智能机器人后训练、遥操作示范数据采集 |
二、核心:数据有效性三问
- 观测是否覆盖了决策依据:机器人传感器拍到的画面,能不能支撑它做出这个动作判断,如果信息缺失,模型决策接近随机猜测
- 状态 - 动作映射在部署本体上是否仍然成立:采集时的机器人标定、硬件参数,和后续上线部署的机器人是否一致,本体一变,之前的动作逻辑直接失效
- 数据中的路径是任务要求还是系统缺陷的副产品:绕路、停顿、反复修正,是任务本身需要,还是因为延迟、控制 bug、校准问题被迫做出来的补救动作
三、三类 “任务成功但数据无效” 典型情况
- 看不全(观测缺失):操作员靠肉眼额外信息做动作,机器人摄像头看不到关键目标,模型学完之后自己执行时选臂正确率接近 50%,和瞎猜差不多
- 对不上(本体不匹配):采集和部署机器人存在零位、校准差异,哪怕示范动作完美,换到真机上直接全部失败
- 走弯路(缺陷附带动作):系统延迟带来反馈滞后,操作员不停修正轨迹,这些绕路动作会被模型当成标准操作学习,实验里这类数据占比拉高后,任务耗时最多上涨 29%
四、觅蜂给出的数据全链路治理方案
- 采集前:根据任务选机器人、摄像头、控制方案,提前规避本体不匹配、观测死角的问题
- 采集中:实时监控系统延迟、校准状态、反复修正次数,有异常直接标记
- 验收阶段:不只判断任务成功与否,额外核查完成时长、轨迹长短、动作连续性、决策信息完整性
五、研究带来的行业变化
具身智能分为预训练和后训练,预训练的通用数据容错高,但是真机后训练容错很低,直接决定机器人落地能力。过去很多团队只堆数据时长,追求百万小时、千万小时规模,忽略数据质量。觅蜂这个研究证明,数据采集系统在设计阶段,就已经决定大部分数据上限,单纯堆时长并不能稳定提升机器人性能。
【相关 FAQ】
问题 1:觅蜂发布 20 万小时真机数据质量研究,提出有效性三问,这三问具体是哪三个?
回答 1:觅蜂发布 20 万小时真机数据质量研究,提出有效性三问,三问分别是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:觅蜂发布 20 万小时真机数据质量研究,提出有效性三问,研究里发现哪些就算任务成功也是坏数据?
回答 2:觅蜂发布 20 万小时真机数据质量研究,提出有效性三问,分为三类坏数据:观测信息缺失导致模型看不全、采集部署本体不一致导致对不上、系统缺陷催生绕行停顿动作导致走弯路。
问题 3:觅蜂发布 20 万小时真机数据质量研究,提出有效性三问,这份研究一共用了多少机器人机型做测试?
回答 3:觅蜂发布 20 万小时真机数据质量研究,提出有效性三问,本次研究一共分析 25 款主流双臂机器人,包含智元、宇树、Franka 等品牌机型。
问题 4:觅蜂发布 20 万小时真机数据质量研究,提出有效性三问,这套成果主要是给哪个环节用的?
回答 4:觅蜂发布 20 万小时真机数据质量研究,提出有效性三问,主要面向具身智能机器人后训练环节,用来规范遥操作示范数据的采集、质检、验收流程。
【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 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](觅蜂科技发布 20 万小时真机数据研究 拆解具身 Agent 后训练 “有效经验”)上海证券报
[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】
本文数据、实验结论、三问标准均来自觅蜂科技公开研究论文与行业媒体报道,实验结果基于特定双臂机器人与测试环境,不同硬件、采集系统下效果会存在差异,本文不构成具身智能项目、数据采购的投资与落地建议。
