京东发动60万人教机器人"做人":看似笨办法,可能是通往AGI的必经之路
现在市面上人形机器人能后空翻、能打太极,但一让它去仓库分拣个不规则包裹,或者在家帮你拿个鸡蛋——当场死机。不是脑子不够用,是没有"人间经验"。京东想出了一个听起来很"笨"的解法:发动60万人,花两年时间采集1000万小时真实人类作业视频,让机器人从真实场景里学"做人"。这事儿靠谱吗?普通人能参与吗?机器人学会之后快递员怎么办?
大模型很聪明,机器人为什么还是"笨"?
训练一个能真正干活的机器人,需要的数据量远超想象。业内普遍认为,要训练出具备通用作业能力的具身智能体,所需数据量级需要达到数千万小时。而截至2026年初,全球高质量真实物理交互数据总共只有大约50万小时,缺口超过95%。文字和视频里没有触觉、没有摩擦系数、没有突发状况下的肌肉记忆,机器人缺的从来不是大脑,是"人间经验"。1
传统数据采集是在实验室里做机械臂遥控操作、固定场景拍摄,环境太干净了。真实世界里地上会突然多个玩具、老人起身时腿会晃一下、拿杯子的动作会因为意图不同而轨迹完全不同——想喝水是一套动作,收拾桌子是另一套。实验室数据喂出来的机器人,"考试满分,上班抓瞎"。2
戴个头盔做家务,数据就采好了?
京东自研的采集终端叫JoyEgoCam,整机220克,比一部手机还轻,戴上去像顶运动帽。内置双目4K摄像头、车规级IMU和2.5TOPS推理单元,重投影误差小于0.2像素,能精确追踪手部每一次毫米级移动、每一点力度的细微变化。采集员经过简单培训后,开机就能采,数据自动同步云端,不需要刻意放慢动作或改变生活习惯。3
采集场景覆盖物流仓储、零售商超、医药康养、家庭家政、工业制造五大核心场景,上万种细分日常动作与工业操作都在采集范围内。据披露,社区正式运营后日均产出超5000小时真实场景交互数据,数据标注成本比行业平均低37%。这套模式让专业级数据采集从"特种作业"变成了"全民运动"。4
采集员的主力是全职宝妈、退休人员、自由职业者这些时间灵活的人群。每天工作6小时左右,月收入3000-4000元,时间自由、随时可以暂停照顾家庭。宿迁作为全国首个具身智能数据采集社区,已经动员超10万市民参与,目标两年内全国达到60万采集大军。5
机器人学会"怎么做"之后,还懂"为什么做"吗?
基于这些海量数据训练出的JoyAI-RA大模型,在真机操作测试中成功率达到73.5%,超过pi0.5等SOTA模型。模型训练效率提升3.5倍,整体处理成本降低60%。从物流仓库分拣到家庭衣物折叠,机器人确实学到了不少动作技能。6
但有人提出了更深层的疑问:机器人学会了"擦灶台",它知道"为什么要擦灶台"吗?目前行业主流的遥操作采集方式,人动机器人跟着动,像提线木偶一样手把手教。这种方式让机器人只记住了"手怎么动",没记住"为什么这么动"。它没有常识,缺乏对任务意图的理解。7
部分专家认为仿真加迁移学习足以解决大部分问题,另一派则认为真实数据不可替代。京东的判断是:物理世界的多样性终究无法被完全标准化,通用具身智能需要真实数据。这个赌注是否正确,目前行业内仍有争议。8
至于被采集员们担心最多的"教会机器人之后会不会失业",京东的回应是:这两年计划已经创造出了新岗位——采集员、数据标注员、多模态训练师,这些都是过去不曾存在的职业。一边在培养维修工程师,一边也养出一批人教机器人怎么做人。不过,这种新旧岗位的转换能否真正平衡,不同人仍有不同看法。9
当前文章无评论,是时候发表评论了