告别百万真机!阿里达摩院用AI生成画面完成机器人训练,成本直降20倍
传统物理遥操作的瓶颈直接且清晰:机器人有多少台、实验室有多少个,数据就只能产多少;每次采集需固定场景、手动复原;真机成本从50万到120万元不等,单小时采集成本800至1500元。更关键的是,采集的数据与特定机器人本体强绑定,换一台机器设备流程就得重来。RynnWorld-Teleop用数字世界模型切断这条链路。操作员的手势驱动世界模型,模型合成"若机器人执行该手势,其第一人称摄像头将观测到的画面",手势本身通过retargeting直接转化为关节动作标签,最终输出同样是(视觉观测,关节动作)对。模型生成画面是机器人视角而非人手画面,每帧画面背后可还原为具体关节角度,且全流程延迟低于200毫秒——这是该研究首次同时满足的三个条件。21
- 数据生成方式:传统:真人操作员驱动真实机器人,录制关节数据与视觉画面;数字遥操作:手势驱动世界模型,AI生成机器人视角画面+关节标签
- 硬件依赖:传统:绑定特定机器人本体,换平台整套流程重来;数字遥操作:姿态流与具身形态无关,可迁移至任意目标机器人
- 采集成本:传统:单小时800至1500元,含设备折旧与专职操作员;数字遥操作:一次建模后增量采集,边际成本趋近于算力消耗
- 场景适应性:传统:每次需固定场景与物品摆放;数字遥操作:单张参考图像即可合成新场景下的视觉观测
达摩院RynnWorld-Teleop论文明确提及"仅使用RynnWorld-Teleop生成的数据训练策略,即可在灵巧、多样的双手协同任务中实现高效的Sim2Real零样本迁移"。这一结论在具身智能数据采集领域尚属首次验证。对于机器人研发团队而言,这意味着可先在虚拟环境中规模化生产训练数据,再部署至真实机器人,绕过物理硬件的数量瓶颈与场地限制。应对建议:若团队当前受困于真机采集成本过高或场景多样性不足,可优先评估RynnWorld-Teleop的开源代码与模型权重,验证其在目标机器人平台上的画面生成质量与动作标签精度;数据混合比例方面,已有XRZero-G0等研究表明"10条真机数据+500条合成数据"的效果可与"500条纯真机数据"持平,总成本压至传统方式的二十分之一。达摩院开源项目地址已在arXiv论文(编号arXiv:2607.06558)中披露,开发者可检索获取。51
当前文章无评论,是时候发表评论了