TAG:数据质量

本文探讨具身智能训练中四种关键数据来源：机器人遥操作数据、便携式人类示教、仿真数据和人类视频。遥操作数据可靠但昂贵，人类示教灵活但需校准，仿真数据便宜但存在sim-to-real gap，人类视频规模大但动作对齐难。文章分析了各数据源的优缺点，帮助理解如何平衡成本、质量和泛化能力，以指导机器人模型训练的数据策略选择。

具身研习社

2026-06-22 13:38

0

·

0

文章聚焦具身智能发展中的数据瓶颈：当前国内可训练数据仅约百万小时，远低于大模型所需规模，且面临采集成本高、数据孤岛、多样性与流通性不足等问题。业内普遍认为，推动智能涌现的关键不只是扩充数据量，更在于提升真实、高质量数据的价值与使用效率。

每日经济新闻

2026-06-17 10:11

0

·

0

本文探讨了人形机器人动作数据是否应继续增加规模，通过分析LIMMT论文，指出数据质量比数量更为关键。LIMMT提出了GQS三阶段筛选框架，基于物理可行性、多样性和复杂性筛选数据，实验证明少量高质量数据能提升motion tracking训练效果。文章强调行业需转向数据质量筛选，以优化人形机器人策略训练。

具身研习社

2026-06-09 18:12

0

·

0

Salesforce最新报告显示，AI智能体正成为销售团队的核心工具，九成团队已采用或计划采用。AI助手能处理大量非销售任务，让销售人员更专注于客户关系。然而，数据质量成为关键瓶颈，近半数团队面临数据问题。报告还指出，销售模式正向精简集成转型，超八成团队计划整合技术栈以提升效率。

aibase

2026-02-25 19:01

4

·

0

本文记录了Waymo工程师Vincent与加州大学伯克利分校教授Ken Goldberg的深度对话，探讨在AI浪潮下传统机器人学、数据质量与基础设施的持久价值。Ken Goldberg强调不应盲目追求端到端AI方案，而应重视模块化工程方法、高质量数据筛选以及仿真与现实的有效结合，为机器人技术的发展提供了务实而前瞻的视角。

具身研习社

2026-01-22 16:53

15

·

0