Inside the Robot Data Factory: Mecka's Josh Gao on Sensorizing Humans to Train Robots

Mecha AI 创始人 Josh 说机器人数据已到几百万小时，但特斯拉用十几年、几百万辆车才解决自动驾驶两个自由度，机器人手就有几十个。

大模型白嫖了整个互联网的文本，机器人却没有这份免费午餐——它要的是像素、动作和力度的三元组，得派人上门一个个录。Mecha 创始人 Josh 讲了这门生意最脏最累的部分：自研手套、100GB 上传专线、抓 YouTube 视频冒充数据的人，以及为什么他赌人类第一视角视频。

Josh 把机器人数据的缺口讲得很直白：LLM 起步就有万亿级 token 的网页文本，机器人什么都没有。

• 数据是三样东西：像素、动作、逻辑。Mecha 自己造硬件、派人去现场采、再做后处理和质量把关，一条龙把原始素材变成能训练模型的数据集。
• 最早的产品是个手机 App：找中国大爷大妈拍自己做饭、打扫，后来才升级成定制硬件——装摄像头和传感器的棒球帽、能测力度的手套，加一个连接所有配件的中心 hub。
• 为什么赌第一视角：当时机器人数据几乎全靠遥操作（人远程操控机器人做示范），扩不动。Josh 的判断是人和人形机器人长得一样，能不能把每个人变成特斯拉车队里的一辆车，一起贡献对物理世界的理解。

Josh 说数据引擎比外人想的复杂得多，也痛苦得多。

• 硬件没得买：市面上没有任何现成手套能可靠测出你每天用了多大力气，Mecha 只能自己迭代三四个产品周期再量产铺出去。
• 基建要自己搭：为了传几百 PB 的数据，他们在很多作业地点专门拉了 100GB 上传专线。
• 造假比想象中多：有人直接录一段"在麦当劳打工的第一视角"YouTube 视频交上来当自己的贡献，所以除了质量闸门，还得有人真的到采集现场看，并设计出让人愿意好好干的激励模型。

Josh 认为大家低估了机器人的形态多样性。

• 中国和东南亚的酒店已经在用机器人做清洁、从前台送东西到客房，这些机器人今天就在跑，只是北美刚开始普及。
• 最先跑通的是工业场景：任务受限、有现成 SOP、不用担心机器人砸到婴儿。叠衣服他们做了一年半，Josh 说近期一定会解决；产线上传统机器人搞不定的抓取和包装，一两年内能拿下。
• 家用数据最多，家用却最难：谁都能拍家里，但家恰恰是要求最严的环境。所以数据最多的地方和部署最容易的地方几乎是反的。

"叠衣服我们做了一年半还多，我相信它近期一定会被解决。"

• 如果你在做具身智能或任何缺数据的垂直模型，先算清楚"哪个受限场景能先跑出商业闭环"，用它的收入养长尾数据，别等一个通用机器人的 GPT-3 时刻。
• 采数据前先设计防造假机制和激励模型：连"录一段麦当劳打工视频交差"这种事都会发生，质量闸门和现场核验要写进成本预算。