按照公开信息，MEgo Engine还需要继续做数据处理、感知、标注和质量评价，并把真实世界操作进一步拆解成抓、拿、放、拧、按等120多种标准原子动作，再进行位姿重建和动作映射。普通人下载App，领取任务，申领设备，然后在家里、商店、仓库、工厂这些真实场景里完成指定动作。加入手部位姿、轨迹、触觉、力觉、深度、空间信息以后，数据越来越接近机器人的控制需求。过去数据公司做一个项目，可能是：一个项目经理

未来的数据工具，不只是要告诉我们“这里有一只杯子”，还要告诉我们：机器人在哪一步抓住了杯子，在哪一步发生了偏移，又在哪一步导致了任务失败。现在，工具开始尝试理解：机器人在这一秒看到了什么，下一秒执行了什么动作，机械臂移动到了哪里，这次操作最终是成功了，还是失败了。例如，同样是“把杯子放到桌子上”，至少可能包含：识别杯子、接近杯子、调整夹爪、抓取、抬起、移动、对准、放下、松开、撤离。未来客户需要的可

截至2026年6月底，全国已经建成启用超过70家具身智能训练场，还有46家在建或规划中，覆盖全国过半省级行政区，并形成长三角、京津冀和珠三角三大集群。但如果100个训练场都在重复采差不多的任务，最后可能出现一个很反常识的情况：模型依然缺数据，但市场上同时存在大量卖不出去的数据。目前最快形成收入的方式仍然是卖数据，但报告也直接指出，仅依靠出售数据产品，很难覆盖训练场的重资产投入，回本周期较长。不是数

以后具身数据质检要检查的，不只是框准不准、轨迹完整不完整，还要检查：语言、画面、物体、动作和机器人状态是否真正一致。系统把任务拆解、物体位置、动作提示、运动轨迹和语言指令组合起来，形成可以用于训练机器人推理和行动的数据。例如：规则明确的视频切片、常见物体框选、基础动作描述、重复性分割、标准轨迹计算，以及数据格式整理。然后把整个任务拆开：发现杯子、靠近杯子、调整机械臂、抓住杯子、抬起杯子、移动到桌面

数据标注要从“以人为主”向“人机协同、专家深度参与”转变，还明确提出“模型预标注+人工校准”“人工标注+模型检验”“模型预标注+模型检验”，并发展专家型数据标注。自动标注越来越成熟，基础项目越来越卷，价格越来越透明，一些过去需要几十个人完成的任务，现在模型先做一遍，人只处理异常数据。真正增长的，会是：行业数据、专家数据、Agent数据、具身数据、模型评测，以及围绕模型持续迭代产生的数据服务。而在于

它检查的是：时间戳有没有异常，有没有丢帧，摄像头有没有冻结，视频是不是模糊，机器人动作有没有突然抖动，Episode是不是不完整，不同轨迹之间是不是高度相似，整个数据集到底覆盖了多大的行为范围。但是当数据开始变成：10万小时、100万条Episode，不同公司又在相同场景反复生产，供应链里还有数据反复流转，问题就变了。中间可能存在：机器人公司，数据平台，一级供应商，区域服务商，采集公司，甚至个人资

它检查的是：时间戳有没有异常，有没有丢帧，摄像头有没有冻结，视频是不是模糊，机器人动作有没有突然抖动，Episode是不是不完整，不同轨迹之间是不是高度相似，整个数据集到底覆盖了多大的行为范围。但是当数据开始变成：10万小时、100万条Episode，不同公司又在相同场景反复生产，供应链里还有数据反复流转，问题就变了。中间可能存在：机器人公司，数据平台，一级供应商，区域服务商，采集公司，甚至个人资

8月17日，觅蜂科技宣布完成新一轮数亿元融资，资金用途就包括建设具身智能数据“平台型供给”基础设施，并强化数据采集、治理和闭环评测能力。8月16日，艺恩数据市场正式上线，首批34个成品数据集公开上架，覆盖具身本体/Ego、视频、社媒、电商和文本语料等类别。艺恩目前公开展示的数据中，已经出现家庭Ego操作数据、视频理解数据、社媒数据等产品，并强调RLDS等标准化交付形式。但当AI训练数据开始被标准化

但动捕系统可以把它变成：肩膀在哪里，手肘弯了多少度，手腕怎么旋转，手指怎么变化，人体各个关节如何移动。一个人戴着GoPro整理货架，和一个人操作几十万元的机器人完成插拔任务，都可以叫“具身数据采集”。你拿杯子、叠衣服、切菜、整理货架，摄像头记录下来的，就是你自己“眼睛附近看到的世界”。未来机器人如果真的要学会：穿针、拧螺丝、折衣服、插数据线，光看视频可能远远不够。但它们的设备成本、人员要求、失败率

首先还是跟小伙伴们汇报一下最近相关工作的重点内容，主要做了三方面的事情，第一方面是组建了一个可以做大模型标注项目的项目组，第二方面积极在与高校沟通，推进数据标注实训平台进入高校，第三方面在做"数据+标注+AIGC实战教程"的课程。这部分所指的成本高，不同于之前的数据标注，更多制约在标注工具上，而大模型使我们在处理数据时不再局限在细节的处理了，例如在NLP阶段，我们更多处理的是分词、关系等，而大模型