搭建物理AI “数据电网”，觅蜂交付第两万套无本体数据采集设备

百万小时无本体数据的构成情况 采访对象供图

(资料图片)

8月31日，觅蜂科技第20000套MEgo无本体数据采集设备下线，并现场交付京东投入真实业务场景；同日，觅蜂宣布与腾讯Robotics X实验室达成无本体数据合作，为后者具身模型提供训练数据。至此，觅蜂累计对外可售的高质量无本体数据突破100万小时，成为行业首家跨过“百万小时级”门槛的数据服务商。

“物理AI的数据电网，立下了第一根电线杆。”觅蜂董事长兼CEO姚卯青说，“就像电网建成后电力才真正改变世界——数据采集第一次有了基础设施。物理AI的数据，从此可以被规模化生产。”

在觅蜂的数采现场，工作人员戴着一副副轻量化、无线的便携采集设备，在真实空间里泡茶、搭积木、叠衣服、冲咖啡、分拣货品。没有机械臂，没有实验室围栏，也没有预设好的标准动作。

这就是“无本体数据采集”的含义：不绑定任何一款特定机器人本体，由人类在开放真实环境中自然作业，同步记录视觉、深度、触觉、惯导、音频等多模态信号，再转化为任意机器人都能学习的训练资产。

目前，2万套MEgo设备已陆续进入家庭、办公、零售、仓储、餐饮、生产等真实场景。累计百万小时数据中，八大高频场景（居住、办公、零售、生产、仓储、餐饮、文娱休闲、交通出行）贡献约82%，构成通用物理AI的“基础课”；公共服务、医疗、教育、养老、文旅、农业等14类长尾场景，则把数据推向垂直行业落地。整体覆盖22大类场景、1万余个真实环境、5万余类物体、500余种细分任务。

在形态上，MEgo形成三条数据产品线：Ego裸手（人类自然操作，约50万小时）、Ego+Wrist腕戴（腕部姿态与连续轨迹，约35万小时）、Ego+UMI夹爪（机器人末端执行，约15万小时），分别对应不同机器人本体的训练需求。

真实场景的“乱”，才是技术最难的地方。对物理AI而言，“采下来”只是第一步。真实世界里，手部出框、杯具遮挡、泡沫糊镜、工业厚手套、他人双手突然入镜，都会让传统动作捕捉瞬间丢帧。

觅蜂重点发布自研 HandPose高精度手部重建技术，在遮挡、高速运动、他人双手入镜等场景下，PA-MPJPE误差较业界次优方案再降62%，帧间抖动降低93%。

比如美甲场景中，采集者与他人双手实时交叠，系统仍能准确区分“自我”与“他人”手部；奶茶制作，手部可见率低于30%，仍实现亚厘米级三维重建，全程零跟踪丢失；宠物洗护：高速运动模糊+泡沫遮挡，重建不中断；模具维修：操作者佩戴厚质工业手套，姿态估计依然稳定。

除手部外，其统一算法底座 MPR（MEgo Physical Reconstruction） 已实现头部、手部、机器人夹爪三类位姿重建均小于1厘米轨迹误差，环境稠密深度重建达亚厘米级，三维场景达到“可视级还原”。真实世界的人类动作，被转化成了可计算、可训练、可复用的空间数据。

觅蜂还推出 ManiEval多维质检与分级体系，从数据类型、任务类型、传感器质量、语义质量、动作质量等维度评估，并提出 “不过滤，只分级”——不同噪声水平、不同复杂度的真实数据，分别匹配具身大脑、VLA（视觉-语言-动作）模型、世界动作模型等不同训练目标，避免“好数据浪费、烂数据直接弃”。

更关键的是闭环。觅蜂自研 REMORA任务进度模型，可识别机器人在真实部署中的任务进度、异常与失败；结合Value Model，把“有教学意义的翻车”筛选出来，重新回流进数据工厂。

由此，一条 “采集—重建—质检—分级—训练—部署—失败回流” 的链路被打通：机器在真实世界干砸了的活，变成了下一版模型最值钱的养料。目前，其百万小时级无本体数据已开始服务腾讯Robotics X、蚂蚁灵波等头部客户。

“两万台的意义不在卖出多少硬件，而是一个真实世界数据网络的启动。”姚卯青判断，物理AI走向AGI需要亿小时级数据。他邀请模型公司、机器人企业、产业伙伴一起接入这张网——当机器人学到的不再只是仿真环境里的标准动作，而是人类在千万个真实角落随手完成的那些小事，具身智能的规模化，才算真正通电。

原标题：《搭建物理AI “数据电网”，觅蜂交付第两万套无本体数据采集设备》

标签： 觅蜂 机器人 无本体 真实世界 数据电网

　　 原标题：搭建物理AI “数据电网”，觅蜂交付第两万套无本体数据采集设备