实体卡片

NEO 人形机器人开发商；1XWM 世界模型用 900 小时人类视频加 70 小时机器人数据

Digit 双足仓储机器人，客户现场运行时长是其主要数据叙事

Austin 人形机器人公司，约 9 万平方英尺 Robot Park 向 Gemini Robotics 供真机数据

免费开源工厂工人第一视角数据（Egocentric-10K/100K），收购 Egolab.AI

首尔/圣何塞的双臂机器人数据运营商，$27M seed 由 Samsung Venture 领投

YC F25 早期团队，做人在环路 rollout 与职场第一视角数据

仓库拣选机器人与 RFM-1 的先驱，2024 年被 Amazon 授权加挖角

基于 Unreal Engine 的 Falcon 数字孪生与合成数据，偏国防与工业

DYNA-2 以 100 万+ 小时第一视角视频预训练，不含机器人数据

与 NVIDIA EgoScale 论文无关的同名双目第一视角数据商，Motus2 采购其 6,000 小时

印度工厂第一视角数据聚合商，2026-03 被 Build AI 收购

YC 2026 批次的真机 RL 环境创业公司，把失败点转成恢复数据集

数据基础设施厂商，延伸到自有设施的机器人数据采集

Helix 人形 VLA 开发商，约 500 小时遥操（公司口径），F.02 在 BMW 部署 11 个月

以穿戴设备人类操作数据预训练 GEN-0/GEN-1 的机器人基础模型公司

自研物理引擎加生成式建模的机器人基础模型公司，$105M 种子轮

ALOHA 2 车队数千小时遥操，加伙伴真机回传，训练数据不开源

YC W26，借印度服务业网络用头显等设备采集第一视角数据

人体动作与第一视角数据供应商，2026-10 获 Sequoia 领投 $60M B 轮

ETH 衍生，让工厂操作员佩戴自研设备采集操作数据 ⚠️

以开源数据集、仿真、世界模型与 GR00T 为机器人数据生产提供底座

约 100 名经中介雇用的采集员，GELLO 加 Franka 遥操 ⚠️（二手为主）

π0/π0.5/π*0.6 的开发商，自有遥操农场加外采，并做真机 RL

新加坡第一视角数据公司，Homie 可穿戴采集，发布非商用 Xperience-10M

Scale 的机器人数据业务：真实世界遥操与第一视角采集，所引页面未提及仿真业务

SharpaWave 22 自由度灵巧手供应商，只卖手，未见手套产品

Skild Brain/S1 开发商，混合遥操、人类视频、仿真与手套数据，客户回传闭环

用 Skill Capture Glove 采人类动作、不靠机器人数据训练家务机器人 Memo

Optimus 数据采集员：2025-06 起从动捕服转为头盔相机视频

授权视频库厂商，2026-04 新增机器人第一视角等 5 类数据

英国剑桥的授权游戏玩法数据商，面向世界模型与机器人训练

Berkeley 衍生的遥操数据商，用低成本 GELLO 装置，2026-06 出隐身获 $70M

亦庄机器人、星海图、屹唐创欣联合组建的真实数据平台，主推 100 万小时计划

京东以员工与商家作业场景自建第一视角数据，并经交易平台对外供数

中标并运营苏州吴中国资物理 AI 真机数采中心的数据服务商

仿真资产、第一视角人类数据与评测一体的具身数据供应商，赛道融资最多

RoboMIND 发布方、外部数据卖方（数万小时），与上海国地中心是两家

杭州具身大脑公司，多路线真机数采，Spirit 榜单成绩含争议

国地中心运营上海张江"麒麟"异构人形训练场，另有 9 个分训练场（⚠️名单待核）与 OpenLoong 开源社区

以人为中心穿戴采集加真机数据训练 AWE 通用具身大模型的新创公司

用 >10 万小时手持 UMI 轨迹预训练 5B 模型，权重开源、语料不开源

天津具身数据工厂年产约 2 亿条数据（公司口径），2026-06 报道首单数据出口

以隐空间世界模型加强化学习为路线的移动操作机器人公司，依托工业场景回流数据

由智驾仿真转型的"物理 AI 数据基座"公司

绳驱 AI 机器人本体厂商，为世界模型伙伴提供真机物理交互数据

坚持真机数据、不太用仿真的具身公司，持股亦数智能并提供 EDP 数采平台

以上海数采工厂和 AgiBot World 开源遥操数据集著称的人形机器人公司

A 股传统 AI 训练数据公司（688787），已签真机数据采集合约并加入亦数智能共建

以 HiFi-UMI 高保真手持采集引擎做无本体数据的公司，开源 2,000 小时子集

向智元出售数千小时定制数据的地方中心；共建方光谷东智与智元存在关联

人类数据 95,472 h + 真机 5,417 h（公司口径），外骨骼触觉手套采集

Vidu 视频基座团队，Motus2 以约 13 万小时第一视角视频训练统一策略/仿真/评估模型

CoMiner 外骨骼 / RoboPocket 无本体采集，无锡数据集团领投

无本体数据赛道的融资额领先者，蚂蚁、滴滴、德联资本投资

HY-VLA 只用自采 UMI 预训练，觅蜂有数据合作（公司口径）

LingBot-VLA 2.0 第一视角数据的集团内提供方

智元数采板块分拆出的无本体数据公司，MEgo 硬件加治理平台

卖数据手套 CyberGlove 与第一视角数据服务，公开报价 60 美元/小时

主张"合成预训练 + 真实后训练"的合成数据派具身公司，GraspVLA 作者团队之一

以 FastUMI Pro 背包式采集器和"数据超市"做 UMI 数据与数采中心整体方案

合并 15 个动捕库的人体动作数据集，40+ 小时，非商用

智元开源的百万条真机数据，含 2026 年 RL 第三期

Bones Studio 面向人形机器人的动捕数据集，约 288 小时

BitRobot 在东南亚 12 户家庭用 G1 采集的 500+ 小时真实家庭数据

UC Berkeley 的 WidowX 低成本臂数据，13 技能 24 环境

Franka 单本体、野外分布式采集的大规模遥操数据集

厨房第一视角视频数据集，EPIC-KITCHENS-100 约 100 小时

Meta 等发布的日常第一视角大规模视频数据集

Apple Vision Pro 采集的 829 小时第一视角灵巧操作数据

NVIDIA 的 20,854 小时第一视角预训练与对数线性缩放律

Build AI 开源的工厂第一视角视频，10K/100K 均 Apache 2.0

FastUMI 系的 10 万+ 条手持夹爪示范，54 任务

Figure 自建的人类行为数据集，每秒新增约 35 分钟，Helix 2.5 完全在其上预训练

傅利叶开源 >3 万条真机遥操数据，被字节 GR-Dexter 按约 140 h 引用

星海图 R1 Lite 单本体、500+ 小时的家居办公真机数据

声称 100 万小时的人类中心视频语料，带 3D 手/身位姿

腾讯自采指尖 UMI 万小时数据，开源 2,163 小时（CC-BY-4.0）

上海 AI Lab 仿真数据集，LDA-1B 计 7,433 小时，VPP2 亦采用

Hugging Face LeRobot 社区 v3，以 SO-100/SO-101 低成本臂为主

光轮公开的 259 个 USD 仿真资产，CC BY-NC 4.0

Ai2 开源、Cortex AI 参与采集的约 720 小时 YAM 双臂遥操数据

NVIDIA 在 HF 开源的物理 AI 数据，15 TB / 32 万+ 轨迹

Google DeepMind 牵头的跨本体机器人数据汇总，22 本体、60 个数据集

NVIDIA 牵头的医疗机器人数据集，750 小时 / 12 万条

上海交大的多配置接触丰富数据，含力、触觉与人类示范视频

智源多本体真机数据集，被 LDA-1B、VPP2、Wall-OSS-0.5 采用

北京人形（X-Humanoid）与北大发布的多本体数据集，含失败示范；2.0 含触觉

5 本体、50 双臂任务、10 万+ 合成专家轨迹的仿真数据

GraspVLA 的 10 亿帧纯合成抓取数据，成本约 5,000 美元

RoboChallenge 配套的 30 任务 4 本体公开真机数据

宇树开源 340 小时 / 189 万条 G1 真机遥操数据，Apache-2.0

它石智航开源的 >1,000 小时视觉-语言-触觉-动作穿戴数据

Ropedia 发布的约 1 万小时多模态第一视角数据，非商用

乐聚人形数据集，LDA-1B 计 1,000 小时；乐聚还协助 LingBot 1.0 采集

上海国地中心的异构人形数据集与视触觉数据（>60,000 分钟）

主从臂双臂遥操硬件，Mobile ALOHA 加移动底盘做全身示教

低成本双臂外骨骼，少量遥操加野外数据即可匹配纯遥操

MLCommons 的 JSON-LD 数据集元数据格式，机器人领域尚无采用证据

手外骨骼加视频中人手 inpaint，把 UMI 范式扩展到灵巧手

硬件解耦的 UMI 变体，Pro 版为鹿明背包式采集器

3D 打印低成本主臂，单个遥操设备成本低于 $300

NVIDIA 基于 Cosmos 的 DreamGen 开源蓝图，用世界模型生成神经轨迹

开源多物理求解器，自报 Franka 单卡 4,300 万 FPS

DeepMind 实时交互世界模型，用于给智能体生成训练世界

NVIDIA GPU 并行物理加 RTX 渲染的仿真器与机器人学习框架

Parquet、MP4 加 JSON 元数据的 2025 年后机器人数据发布标准

NVIDIA Isaac Teleop 官方手套，EgoScale 中训练采集手指 25 关节

接触动力学标杆引擎，MJX 为 JAX GPU 版，Playground 做 sim2real

NVIDIA 开源世界基础模型家族，Predict 生成视频，Transfer 做 sim2real 增强

Disney、DeepMind、NVIDIA 发起的 GPU 可微物理引擎，Linux Foundation 项目

立体视频加 VR 头显的沉浸式遥操，全回路 60 Hz

采集设备与机器人夹爪协同设计的双拇指欠驱动夹爪

OXE 与 DROID 时代的 TFDS 数据外壳，只统一结构不统一语义

分布式真机评测，双盲成对比较，基于 DROID 平台

Dexmal 与 Hugging Face 的在线真机评测平台，配套 Table30 数据

光轮 100 任务 VLA 仿真评测平台，尚未验证与真机相关性

Runway 通用世界模型的机器人变体，做数据增广与 VLA 仿真评测

手持夹爪加 GoPro 的无机器人示教框架，把采集设备与机器人本体解耦

宇树官方 XR 遥操与数据录制仓库，支持 AVP/PICO/Quest

面向灵巧手遥操与数采的数据手套，按对出售

穿戴采集设备与机器人末端共享 3 指 9 自由度的灵巧采集方案

自变量无本体采集系统：2,000 小时，真机:无本体 = 1:10 混合效果约等于纯真机

具身数据生产与仿真平台，已开放公测申请，更像数据基础设施供应商

智元开源仿真平台，3.0 版附 1 万小时合成数据与 5,140 资产

Ken Goldberg 称机器人比 LLM 少约 10 万年数据，遥操一天只产一天数据

NVIDIA 被指为 Cosmos 类视频模型大规模下载 YouTube 视频，多起诉讼未见判决

ICRA 2026 首届 REAL-I 挑战赛，限定示范预算比较 VLA 训练方法

仿真训练的策略到真机性能下降，视觉与接触动力学是两大来源

截至 2026-06 投运超 70 家，商业模式未跑通，统计口径混乱

信通院牵头 40 余家单位，8 个质量维度，2026-11-01 实施

事后按目标机器人运动学丢弃不可达的 UMI 示范，带来选择偏差

世界模型在动作错误时仍生成任务成功的画面，污染想象中的 RL

互联网视频到第一视角、UMI、遥操、部署回流，越靠后越贵越贴近部署

兼职佩戴设备采集 UMI/第一视角数据，层层转包，工人所得与转售价差悬殊

中国元每小时、美国与印度美元每小时，三地口径各异，多为供应商自述

2026-01 湖北中心向智元交付数千小时数据，称国内首例企业间定制数据交易

仿真物理对但画面假，世界模型画面真但物理可能错，评测需分开设计

工人头戴相机采集的同意、监控与低薪问题

国家数据局 2026-06 印发，具身智能为重点方向之一

多本体混训的权重靠经验，格式统一不等于动作语义统一

美国 $18-55/h、中国日薪 120-135 元、印度第一视角约 $1-4/h

遥操员工作 8 小时只出 2-3 小时可用数据，决定真实单价

北京首钢园人形机器人数据训练中心运行不到 18 个月，运营方撤走自有设备

DeepMind 2024 年双臂遥操大数据：26,000 余条、10 台机器人、35 名操作员、8 个月

DROID 上训练的可控多视角世界模型，用于策略评测与成功轨迹回灌

五层数据金字塔综述与六个开放问题

泛化按幂律随环境与物体数增加，32 个环境-物体对约 90% 零样本

视频世界模型加逆动力学生成神经轨迹的四阶段方法，及 4.4 万小时人类视频预训练的 DreamDojo

Figure 的人形 VLA，约 500 小时遥操数据（公司口径）

Generalist 预训练数据从 27 万小时（GEN-0）到 50 万小时（GEN-1），公司口径

NVIDIA 人形基础模型；真机 88 h + 仿真等效 6,500 h + 生成 827 h 的金字塔配方

用 URDF 渲染视觉动作的交互世界模型，可评测策略也可生成训练轨迹

纯合成 SynGrasp-1B（10 亿帧）预训练的抓取 VLA，估算总成本约 5,000 美元

视觉奖励分类器加人工干预的真机 RL，1–2.5 小时练到近满分

深朴高保真 UMI，3 mm 精度，称零机器人后训练与遥操持平

5,000 小时等量下第一视角预训练优于真机预训练

任务多样性比每任务数量重要，去偏后 GO-1-Pro 提升 15%

从无动作标签人类视频学离散潜在动作，再用少量真机映射

银河通用聚合约 33.8k 小时开源数据训练的 1B 模型，排除自有 G1 数据

约 2 万小时、9 种双臂配置训练的 VLA，强调训练吞吐与适配成本

蚂蚁灵波 6 万小时（真机 5 万 + 第一视角 1 万，过滤后）、20 本体的 VLA

由少量人类示范自动放大成数万条仿真演示

生数的策略/仿真器/评估器三合一世界模型，约 12.99 万小时第一视角预训练

7B 开源 VLA，用 OXE 筛选出的约 97 万条轨迹训练

清华 7B VLA，1 万+ 小时 UMI 数据，称零样本泛化到未见机器人

用分布鲁棒优化学习机器人数据混合权重，胜均匀权重 38%

3D Gaussian Splatting 加物理引擎的 real2sim2real 仿真器

以世界模型为通用训练环境、产生内生奖励的 RL 框架

自一致视频世界模型评测，7 个真机 VLA 上 Pearson 0.929

NVIDIA 全身运动跟踪，约 700 小时动捕训练

OpenVLA-OFT 上的在线 RL，只需二值 outcome 奖励

Hugging Face 的小型 VLA，用 481 个 LeRobot 社区数据集预训练

真机 468 小时、UMI 32 小时、仿真 45 小时、OXE 约 1,150 小时的混合配方

手持 UMI 数据加仿真全身控制器，策略零样本迁到四足机械臂

视频基座继续预训练加蒸馏单步规划器，真机零样本领先基线 18.5 pt

视频基座加 75 万条双臂轨迹，新本体仅需约 20 分钟示范适配

自变量 VLA，自采:开源约 60:40、n^0.5 采样，配方最透明的中国模型之一

扩散世界模型当模拟器，在想象环境中端到端 PPO 精调策略

用 Policy2Vec 把视频模型变成策略评测器，三任务 Pearson 均值 0.942

公开配比的开源聚合 VLA：AgiBot World 141K 条、权重 0.40

5B VLA，10 万小时 UMI 预训练，少数公开逐源采样权重的配方之一

用演示、自主 rollout 与专家接管做优势条件化的真机 RL，数据量未披露

Physical Intelligence 首个 VLA 基础模型，公开了按任务-本体 n^0.43 加权的预训练混合

六类数据混合的 VLA；去掉多环境静态机器人数据后 OOD 成功率 94→31

PI 2026-04 模型：多机器人、人类数据与自主 episode 混合，Recap 经验蒸馏

中训练用 OXE / AgiBot / RoboMIND；DM0.5 约 15 万小时（⚠️二手）

小规模自采 + 中国开源集（ActionNet/白虎/RoboMIND）+ VR 人类轨迹

在 AgiBot World Beta 上预训练的世界模型，GE-Sim 2.0 用数千小时真机重训