Data / 机器人 / 具身 / 实体卡片

数据价值阶梯

概念与方法价格与配方

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

定义与机制

按"单价"与"离部署分布的距离"排成五级：互联网视频、人类第一视角、UMI/手持、目标真机遥操、真机自主 rollout 加人工纠正。越靠后，动作标签越接近目标本体闭环，也越有本体感受、力信息和失败恢复片段。真机遥操数据、手持与 UMI 数据、人类视频与动捕数据分别对应中间三级。

证据与数字

后训练真机权重大：Xiaomi-Robotics-1 后训练采样权重自有真机 8.5/10，预训练则以约 10 万小时 UMI 为主 [3]。
便宜层可 scale：EgoScale 以 20,854 小时第一视角数据拟合出验证损失对数线性律，R²=0.9983 [2]。
最高价值层：π*0.6 RECAP 把自主 rollout 与纠正放入训练，最难任务吞吐翻倍、失败率减半（PI 口径）[4]。
成本侧：遥操与 UMI 设备价差约两个数量级、采集速率仅差约 3 倍，单条单价无一手数据。

争议或反方

HumanScale 预印本：5,000 小时等量下，未见任务验证损失第一视角预训练 0.0204 低于真机预训练 0.0254（仅验证损失，未做真机 rollout 对比）；真机 OOD 成功 90.0% 对 0.0% 的对照是无具身预训练基线，非真机预训练；仅 3 个任务、单一平台 [1]。
Skild S1（公司口径）：后训练 2,000 条遥操示范 86%，单段人类视频提示 66%，设置不同不可直接比 [7]。
Goldberg 认为存在约 10 万年数据缺口，对 2D 视频翻译成 3D 动作持怀疑 [5]；Brooks 指出只收视觉数据缺触觉 [6]。
阶梯是否成立取决于任务类型与是否有对齐的中训练。

来源

相关卡片

"10 万年数据缺口"论证（Goldberg）概念与方法

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

机器人数据价格带（中/美/印度）概念与方法

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

EgoScale（2 万小时，对数线性 scaling）数据集 · 美国

NVIDIA 的 20,854 小时第一视角预训练与对数线性缩放律

HumanScale论文与基准

5,000 小时等量下第一视角预训练优于真机预训练

π*0.6 / RECAP论文与基准

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

卡片整理 2026-10-14。公司自报数据标“公司口径”；⚠️ 为未经独立核实。