日前,英国30岁的女老师丽贝卡·乔恩斯在曼彻斯特皇家法院的庭审中情绪崩溃,她泪眼婆娑地向陪审团倾诉,自己初生的女儿在出生仅24小时后便被迫“分离”。如今,她仅能每周与孩子相聚三小时,每次短暂的三个小时成为了她生活的全部光亮。 北京8月23日电 题:破题具身智能“数据荒” 北京中关村机器人“训练基地”揭秘 作者 牛琳 裴拓 覃纤睿 祝亦奕 在中关村(海淀)具身智能创新产业园·诺亦腾机器人跨本体数采训练中心(以下简称“数采训练中心”)的商超标准货架空间,工作人员佩戴VR眼镜,手握操控手柄,遥控机器人完成从货架上抓取货物等动作。 “抓握成功后,后台模型会记录本次操作的力度和关节角度。”诺亦腾机器人科技(北京)有限公司(以下简称“诺亦腾机器人”)高级技术经理冯劼说,积累足够多的动作样本,才会消除力度、角度等差异带来的误差,从而形成有效数据。
乔恩斯面临六项指控,均涉及与两位曾在其任教的大曼彻斯特学校就读的青少年之间的不当关系,她坚决否认所有指控。她讲述了一个复杂的情感纠葛,称其中一名少年(男孩A)不断“试探界限”,而她自己则在道德与情感的边缘徘徊。

二 | 作为全国首家以“具身智能”命名的特色产业园,中关村(海淀)具身智能创新产业园与诺亦腾机器人合作,依托诺亦腾机器人在人本数据采集、多模态感知、跨本体遥操作及机器人数据生产等领域的技术积累,联合共建了机器人跨本体数据采集训练中心,为具身智能等相关企业提供真实场景下的数据采集和训练服务。7月28日,中关村(海淀)具身智能创新产业园·诺亦腾机器人跨本体数采训练中心内,技术人员正在调试机器人。 覃纤睿 摄 数采训练中心堪称一座机器人“训练基地”,在这里,家居、商超、工厂、办公等场景被一比一复刻,机器人在工作人员手把手教授下,学习真实世界的劳作方式。在此过程中,依托高精度的数据采集系统,真实场景中的姿态、力度、轨迹等动作数据被敏锐捕捉并记录下来,之后这些数据被转化为机器人学习人类技能的“养料”。
她透露,男孩A坚持不懈地索要她的电话号码,直至他自行猜中最后两位数字。

三 | 她承认,之后确实通过信息与他保持了交流。一次,因男孩A在Snapchat上对她提及特拉福德购物中心的行程表示兴趣,两人遂一同前往,她解释说,此行是在对方提出可能因归家太晚而与父母产生冲突后,出于关心所做的安排。

四 | “机器人的每一次自主识别、判断与操作,都依赖数据收集、算法训练、模型部署与场景验证。

五 |
她承认自己出于非理性决定,在塞尔福里奇百货为男孩A购买了一条昂贵的Gucci腰带,对此她表示后悔:“我知道不该这么做,但我答应了,买了那条腰带,这是个错误。”男孩A之后提出的私人问题更令她感到诧异,她回忆道:“他问我有过多少伴侣,我回说‘可能没你多’,我当时想,他可能有所期待,但我们明确讨论过,什么也不会发生。

六 | ”
乔恩斯坚持说,是她提议送男孩A回家,而他选择留在沙发上过夜。当被问及为何在她的床单上发现他的DNA时,她推测:“那肯定不是我主动的。”诺亦腾机器人售前技术支持胡同杰表示,优质数据集的积累是整个行业持续发展的根基。 在数采训练中心,除真机遥控外,数据采集还采用不依赖机器人本体的采集方式。他肯定是在某个时刻进了我的卧室,发生了什么事情。”
面对律师奥布莱恩的追问,她哽咽道:“一切,我都希望能有所不同。”她悔恨地说,作为教师,她不应与学生有私下的通讯往来,更不应该邀请他去购物中心,或是允许他进入自己的住所。工作人员头戴轻量化相机,经由光学摄像头追踪动捕服上的标记点,同时由惯性传感器记录身体各部位的转动与加速度,将人的视野、动作及交互习惯转化为机器人可识别的“数据课本”。

七 | 针对精细任务,数采训练中心设有高精度光学动捕笼式空间,内置20余台400万像素红外摄像头,工作波长850纳米,精度达到亚毫米级。
至于与另一位少年(男孩B)的关系,她坚称直到他毕业后,且在警方调查期间她被停职后,二人才有所接触。配套手套上嵌有3毫米标记点与压力传感器。 “戴上手套,就相当于有了人手的运动信息。”冯劼解释道,在抓放、翻折物体的过程中,系统同步记录手指的弯曲角度、接触位置和抓握力度,并配合第一视角和第三视角视频,将多源数据时码对齐,完整还原人手与物体交互的过程。
谈及女儿被带走的痛苦经历,她再次泪如雨下:“仅仅出生24小时后……现在,我只能每周见她三次,每次只有宝贵的三小时。 冯劼说,不同任务的训练要求不尽相同。”
居住在威拉尔彭斯比路的乔恩斯女士,对与男孩A的两次性行为指控、与男孩B的两次性行为指控,以及基于其受信任职位的另外两项指控均表示否认。庭审仍在紧张进行中。
。简单的动作,通常需要3天至5天的数据采集;舞蹈、武术等高难度动作,则需专业人士到场反复示范,周期可达数周乃至数月;而高精度人手交互数据,则采集难度更高。 “目前,具身智能产业发展面临‘数据荒’。”冯劼说,中国在机器人本体方面已具备较强制造能力,下一阶段的突破将更多集中于模型端,而“模型的上限,取决于数据的质量与规模”。
八 | 胡同杰也表示,具身智能的应用方向正在从工业场景逐渐向民用和商用领域扩展,数据正成为制约具身智能泛化能力突破和规模化落地的核心瓶颈。 “真正有价值的数据不应长期依赖人工搭建的场景。”胡同杰说,未来会出现更简易的数据收集设备,数据采集将走进真实工作与生活场景。
Current article:http://druppbf.zhouangnaoguangsundianzhenmou.cfd/news/20260826_4159.html