人手数据，如何重塑机器人基础模型？专访 LaST-HD 一作刘家铭

至简动力联合北大、港中文、乙太科技—不代替真机，人手与真机数据共生 作者丨邓哲敏 编辑丨 齐铖湧 数据一直是具身智能最难啃的骨头。目前几条主流数据路线都存在明显瓶颈。仿真数据采集效率高，却始终受到虚实鸿沟限制。真机遥操作能够获得高质量数据，但采集成本高、效率低，而且大量数据与机器人本体深度绑定，难以复用。 至简动力在苏州交付的首批 100 台 i7 Pro 机器人，已进入 CNC 上下料等工业场景部署，这批机器人采用的，是与行业主流有所不同的数据路线——人手数据。 围绕数据路线之争，AI科技评论（雷峰网公众号）对话至简动力北大联合实验室RD负责人、北京大学博士生刘家铭。 他最新发表的 LaST-HD 论文，由北京大学、香港中文大学、至简动力、乙太科技等团队联合推出，通过让机器人学习人手动作背后的物理规律，让难以利用的人类操作经验转化为机器人技能。 在这场对话中，刘家铭分享了交付背后的技术问题，也谈了谈他对具身领域模型与数据发展方向的判断。 以下是AI科技评论（雷峰网公众号）与刘家铭的对话，经不改变原意的编辑整理： 01 人手数据不是来代替真机数据的 ▎ AI科技评论：最近 Human Data 是一个行业热点。有人认为，这是机器人数据路线发生的一次转向，你怎么看？ 刘家铭： Human Data 其实不是今天才出现的新概念。三四年前，在 VLA 还没有成为主流的时候，就已经有不少工作尝试利用人手数据做模仿学习。真正变化的是，大模型出现之后，人手数据第一次有机会成为机器人基础模型的重要组成部分。 过去几年，行业一直更相信真机数据，因为机器人直接和真实物理世界交互，看起来更加原生。但真机数据也有很明显的问题。首先就是成本。采集一条高质量遥操作数据，需要机器人、本体、操作员、场地等整套系统协同，采集效率远低于人手数据。其次，它很难真正规模化。现在全球最先进的数据工厂，本质上还是不断搭建新的实验室场景。它可以不断换桌子、换杯子、换家具，但始终很难像人一样走到真实世界里采集数据。最后是真实世界的多样性。很多动作，人一天会自然完成很多次；但如果交给机器人遥操作，效率会很低，有些动作甚至会因为本体限制而变得很别扭。所以 Human Data 真正带来的，不只是成本下降，更重要的是，它让机器人第一次有机会接触真实世界中丰富、自然的人类行为。 ▎ AI科技评论：未来 Human Data 会取代机器人数据吗？ 刘家铭： 我不这么看。Human Data 和机器人数据不是替代关系。我们的目标也不是让机器人完全拟合人。机器人和人的硬件结构本来就不同，很多感知能力今天也还做不到完全一致。Human Data 更重要的意义，是把人作为最大的物理数据载体，帮助机器人理解物理世界。真正困难的，其实不是怎么采数据，而是怎么采到高质量、高diversity的数据，以及机器人怎么真正学会这些数