0.前言机器人真正的竞争力正在从模型转向数据过去两年OpenVLA、GR00T、π0、LeRobot 等具身智能项目不断涌现让机器人模型能力快速提升。很多人认为这是因为模型越来越大、算力越来越强。但如果回顾近两年的机器人研究一个更明显的趋势正在出现越来越多团队开始把关注点放在数据Data本身而不仅仅是模型。从 UMI、ALOHA 到 Ego 系列项目不同研究都在探索一个共同的问题——如何更高效地采集高质量机器人数据。因为对于具身智能而言模型决定能力而数据决定模型能力的上限。于是一个新的问题摆在了每一个机器人开发者面前今天我们应该如何构建一套完整的机器人数据采集流程答案已经不再是简单地录制视频或保存机器人轨迹而是涵盖示教、遥操作、多模态传感器、数据同步、数据管理以及模型训练等完整的数据采集技术栈Robot Data Collection Stack。本文将结合 UMI、ALOHA、Ego 等代表性开源项目梳理当前机器人数据采集技术的发展脉络并进一步探讨松灵机器人AgileX Robotics的 PiKA PRO为代表的企业Ego-centric 具身智能数据采集方案正在如何推动具身智能进入数据驱动的新阶段。松灵 PiKA PRO 具身智能数采套件方案1.机器人数据采集技术栈机器人数据采集不只是录数据提到机器人数据采集很多人的第一反应往往是打开相机启动机器人记录视频和机器人轨迹。事实上这只是整个数据采集流程中的第一步首先我们需要思考机器人到底需要采什么数据对于现代具身智能而言一条能够用于模型训练的数据远不止包含一段视频或一条机械臂轨迹。它通常需要同时记录机器人状态、传感器信息、环境变化、操作者动作以及任务指令等多种信息并保证这些数据在时间轴上保持同步最终以统一的数据格式组织才能真正用于模型训练。换句话说数据采集已经从过去简单的记录Recording演变成了一套完整的数据工程Data Engineering。我们可以将这一过程理解为一套Robot Data Collection Stack机器人数据采集技术栈。机器人数采技术栈整个技术栈中每一层都承担着不同的职责Human Demonstration如何高效获取高质量的人类示教数据例如 UMI 等低成本示教方案。Teleoperation如何通过遥操作设备完成机器人动作采集例如 ALOHA 等双臂遥操作平台。Multi-modal Sensors同步采集 RGB、深度、力觉、IMU、机器人状态等多模态信息为模型提供更完整的环境感知。Dataset Format将来自不同设备的数据按照统一格式组织例如 LeRobot Dataset、RLDS 等数据规范。Data Engine负责数据同步、存储、管理、回放、质量检查及导出是连接采集与训练的重要基础设施。Policy Training最终利用采集的数据训练 Diffusion Policy、ACT、OpenVLA 等机器人策略模型。因此当我们今天讨论机器人数据采集时真正关注的已经不再是如何录制一段数据而是如何建立一条从数据产生、数据管理到模型训练的完整数据流水线Data Pipeline。而近年来出现的 UMI、ALOHA、Ego、LeRobot 等项目本质上都是在这条技术栈中的不同层级解决各自的问题共同推动机器人学习进入数据驱动的新阶段。2.数据从哪里来2.1 机器人最早是如何学会动作的Kinesthetic Teaching在机器人学习早期大多数示教任务并不依赖复杂的数据采集平台而是采用最直接的方式——人工拖动机器人完成一次操作并记录机器人关节轨迹。这种方式通常被称为 Kinesthetic Teaching拖拽示教或 Hand Guiding。目前包括 Franka Emika、Universal RobotsUR等机器人平台都提供了 Hand Guiding 功能开发者可以直接拖动机器人完成目标动作系统自动记录各关节的位置、姿态以及运动轨迹并用于后续轨迹复现或模型训练。整个流程可以理解为作为机器人领域最经典的示教方式Kinesthetic Teaching 具有以下特点示教过程简单直观学习成本较低。机器人直接记录真实关节运动轨迹数据精度高。无需额外视觉定位或轨迹恢复算法。广泛应用于工业机器人编程、模仿学习以及实验室研究。但由于需要操作者直接接触机器人完成示教采集效率相对较低且难以快速构建大规模数据集因此更多适用于小规模任务验证和精细操作示教。2.2 低成本获取机器人示教数据UMI机器人学习的第一步是拥有足够多的高质量示教数据Demonstration Data。传统的数据采集方式通常依赖人工拖动机器人、示教器编程或专业遥操作设备不仅设备成本高而且采集效率较低很难快速构建大规模训练数据集。这也成为早期机器人学习发展的重要瓶颈之一。UMIUniversal Manipulation Interface的提出正是为了解决这一问题。与传统机器人示教不同UMI 并不要求操作者直接控制机器人而是让操作者手持一个轻量化夹爪完成真实操作同时利用第一视角相机和 SLAM 技术恢复夹爪在空间中的运动轨迹。整个流程可以理解为Human Demonstration │ ▼ Hand-held Gripper │ ▼ Camera SLAM │ ▼ Trajectory Reconstruction │ ▼ Robot Dataset相比传统示教方式UMI 最大的优势在于降低了机器人示教成本无需机器人参与即可完成数据采集。人类操作更加自然能够快速获得大量连续轨迹数据。数据采集流程简单更容易在不同实验室之间复现和扩展。从整个 Data Collection Stack 来看UMI 解决的并不是机器人如何学习而是更基础的问题——如何以更低成本、更高效率采集高质量示教数据。2.3 机器人直接学习人类操作ALOHA随着机器人操作任务越来越复杂仅仅恢复人类运动轨迹已经无法满足高精度操作需求。对于双臂协作、装配、折叠衣物等任务研究者希望机器人能够直接复现人类的操作过程从而获得更加真实、稳定的训练数据。斯坦福基于松灵 TRACER 系列底盘的ALOHAA Low-cost Open-source Hardware System for Bimanual Teleoperation数采方案的提出为机器人遥操作数据采集提供了一种低成本解决方案。ALOHA 采用 Leader-Follower主从控制架构操作者通过 Leader Arm 控制机器人完成动作Follower Robot 实时同步执行并记录机器人关节状态、末端位姿、相机图像等多种信息最终形成完整的示教数据。整个流程可以理解为相比传统示教方式ALOHA 的主要优势包括机器人直接执行任务无需后续轨迹映射。可同步记录机器人关节、末端位姿及视觉信息。特别适用于双臂操作、精细装配等复杂 Manipulation 任务。已成为 ACT、LeRobot 等机器人学习项目常用的数据采集方案之一。从整个 Data Collection Stack 来看ALOHA 更关注的是如何高质量获取机器人真实执行过程中的示教数据Robot Demonstration。松灵 COBOT MAGIC 遥操采集数据2.4 从动作到意图Ego随着 Vision-Language-ActionVLA模型的发展机器人学习的目标已经不仅仅是复现动作而是理解人类为什么这样操作。仅依赖机器人轨迹模型能够学习做了什么却很难理解为什么这样做。因此近年来越来越多研究开始采用第一视角Egocentric数据采集方式通过记录操作者第一视角视频、手部动作、语言指令以及周围环境信息让机器人学习人与环境之间的交互过程。典型的 Ego 数据采集流程如下Head Camera │ ├── Hand Motion ├── Scene Observation ├── Language └── Environment │ ▼ Multi-modal Dataset相比传统示教方式Ego 数据采集具有以下特点第一视角更加接近真实人类操作过程。可同步采集视觉、语言、动作等多模态信息。有助于机器人学习任务意图和决策过程。广泛应用于 VLA、World Model 等具身智能研究。从整个 Data Collection Stack 来看Ego 更关注的是如何帮助机器人理解人类操作背后的意图Human Intentions。松灵 PiKA PRO 轻量化 Ego-centric 采集2.5 如何融合不同数采方案——从单一方案到开放式数据采集平台回顾当前机器人领域主流的数据采集方案可以发现不同方案各有优势也分别适用于不同的研发场景。Kinesthetic Teaching适用于机器人快速示教和小规模任务验证UMI适用于低成本、大规模的人类示教数据采集ALOHA更适合双臂遥操作和机器人真实执行数据采集Ego能够记录第一视角信息帮助机器人理解人类操作意图随着具身智能进入规模化数据驱动阶段越来越多团队开始发现一个完整的数据采集流程往往并不会只采用其中一种方案而是根据任务需求进行组合。在这样的场景下真正需要解决的问题已经不再是选择哪一种数采方式而是如何让不同设备、不同传感器和不同采集方式协同工作。例如如何同时接入 UMI 手持夹爪与机器人末端夹爪如何同步 Ego 第一视角相机与机器人视觉数据如何统一管理 RGB、Depth、机器人状态、力觉等多模态信息如何让不同来源的数据采用统一时间戳和统一格式进行存储这也是近年来机器人数据采集逐渐从单一工具演进到开放式数据采集平台的重要原因。在这一背景下多种数据采集方式进行灵活组合成为当前的主流方案以松灵 PiKA PRO为代表的的数采设备定位并不是替代单一的数采方案而是提供一套更加开放、可扩展的数据采集平台将机器人本体、机械臂、夹爪、第一视角相机以及多种传感器统一接入到同一个数据采集流程中实现多设备协同、多模态同步以及标准化数据管理。松灵 PiKA PRO 一体化数采平台方案3.企业级机器人数采方案从单一数采到数据生产平台前文介绍的 Kinesthetic Teaching、UMI、ALOHA、Ego 以及多模态数据采集为机器人学习提供了丰富的数据来源。但在企业级研发场景中真正的挑战已经不再是如何采集一组数据而是如何持续、稳定地生产高质量机器人数据本文将以松灵 PiKA PRO为例介绍如何搭建一体化的数据采集平台将原本分散的采集设备整合为完整的数据生产系统。1PiKA Ego负责第一视角。对应Ego CollectionPiKA Ego 用于采集操作者第一视角视频及环境信息可用于记录人机交互过程为 Vision-Language-ActionVLA模型提供更加真实的第一视角数据。2PiKA Sense负责夹爪视觉感知对应UMIPiKA Sense 集成视觉感知与夹爪交互能力可用于采集操作轨迹、视觉信息以及机器人执行过程中的多模态数据为低成本示教和 Manipulation 数据采集提供支持。松灵 PiKA 数采套件实现多模态感知融合3PiKA Package负责计算数据存储PiKA Package 提供统一的数据计算与存储能力对来自不同设备的数据进行集中管理为后续数据处理与模型训练提供统一的数据基础。从整体来看PiKA 系列并不是多个独立设备的简单组合而是围绕机器人数据采集流程构建的一套完整生态其中PiKA Ego负责采集第一视角数据帮助模型理解人与环境的交互过程PiKA Sense负责采集操作轨迹、多模态感知信息以及夹爪交互数据PiKA Package提供统一的计算、存储和数据管理能力不同模块各司其职共同覆盖了从数据采集、数据同步到数据管理的完整流程为机器人训练提供持续、稳定的数据生产能力。从行业发展趋势来看未来企业级机器人数采平台的竞争重点不再是单个设备的性能而是能否围绕不同的数据采集方式构建完整的数采生态实现第一视角、遥操作、多模态感知以及机器人状态等数据的统一组织与管理。松灵 Pika Package4.结语如果说过去机器人研发的核心是算法那么未来机器人研发的核心之一将是数据生产能力。无论是 Kinesthetic Teaching、UMI、ALOHA、Ego还是多模态数据采集它们都代表了机器人数据采集在不同阶段、不同场景下的探索方向。而企业级数据采集平台的出现则进一步推动机器人研发从一次性采集迈向持续化数据生产。未来随着 VLA、World Model 以及具身智能基础模型不断发展机器人对于真实世界数据的需求仍将持续增长。如何构建更加开放、高效、标准化的数据采集体系也将成为机器人研发的重要课题。松灵 PiKA 系列数据采集套件正是围绕这一理念进行设计通过模块化设备协同帮助开发者根据不同任务灵活组合数采方案构建适用于具身智能研发的数据基础设施。FAQQ1机器人数据采集Robot Data Collection有哪些主流方案目前主流的机器人数据采集方案主要包括五类Kinesthetic Teaching通过手动拖动机器人完成示教记录机器人关节轨迹适用于工业机器人和小规模示教。UMIUniversal Manipulation Interface利用手持夹爪、第一视角相机和 SLAM 技术采集人类示教数据具有成本低、部署简单等特点。ALOHA Teleoperation采用 Leader-Follower 遥操作架构由机器人直接完成动作执行适用于双臂操作和模仿学习。Egocentric CollectionEgo采集第一视角视频、手部动作及环境信息帮助机器人学习人类操作意图。Multi-modal Collection同步采集视觉、机器人状态、语言、力觉等多模态数据为 VLA、World Model 等模型提供训练数据。不同方案适用于不同的数据采集场景并不存在唯一的最佳选择。Q2UMI、ALOHA 和 Ego 有什么区别三者分别解决机器人数据采集中的不同问题UMI更关注如何低成本获取大量示教数据适合快速构建 Demonstration Dataset。ALOHA更关注机器人真实执行过程中的遥操作数据采集能够直接记录机器人关节状态和控制信息。Ego更关注理解操作者的意图和环境交互适用于 Vision-Language-ActionVLA模型和具身智能研究。在实际项目中这三种方案通常可以结合使用而不是相互替代。Q3为什么具身智能越来越强调多模态数据采集随着 Vision-Language-ActionVLA、Diffusion Policy 和 World Model 等模型的发展机器人已经不能仅依赖单一的视觉信息或运动轨迹进行学习。现代机器人数据集通常会同步采集RGB 图像Depth 深度信息第一视角视频Robot State力觉与触觉语言指令多模态数据能够帮助机器人更全面地理解环境、任务目标以及人与机器人的交互关系从而提升模型的泛化能力。Q4企业为什么需要机器人数据采集平台而不仅仅是单个数采设备实验室研究通常关注完成一次数据采集而企业研发更关注持续、高质量地生产数据。因此企业级数据采集平台除了完成数据采集外还需要支持多设备统一接入多传感器时间同步第一视角与机器人数据协同采集数据管理、回放和导出面向模型训练的数据标准化管理。例如像 松灵PiKA PRO这样的企业级数采套件方案更关注不同数采设备之间的协同而不仅仅是单一设备的性能。Q5未来机器人数据采集的发展趋势是什么机器人数据采集正在从单一示教工具向开放式数据采集生态发展。未来的发展趋势主要包括多种数采方式协同UMI、ALOHA、Ego 等组合使用多模态传感器融合视觉、语言、力觉、机器人状态等企业级数据采集平台统一管理多设备和多数据源数据采集、数据管理与模型训练形成完整的数据闭环支持 VLA、World Model、具身智能基础模型等新一代 AI 系统的数据需求。随着机器人研发逐渐进入数据驱动阶段持续生产高质量、多模态数据将成为未来具身智能的重要基础能力。