实测｜沉浸式当“家庭机器人”的 12 小时，一文带你玩转具身数据采集

戴着一顶设备干了大半天家务后，我的家第一次如此整洁。

衣服叠了，洗漱台擦了，桌子收了。重点是，每做完一件本该做的事情后，都会进账一笔钱。

虽然离靠它发财还有相当长一段距离，但至少证明了我刚刚做的家务，真的可以卖钱。

这些本来就存在的劳动，现在还能顺手再“卖”一次。

最近，觅蜂科技上线众包数据采集平台“觅蜂派”，把一部分具身数据采集任务交给普通人。

今年 6 月，我们写过 AI 时代的数据标注工。那时，大家还是坐在电脑前标图片、改回答、做审核。

到了具身智能时代，数据采集开始进入真实生活。

普通人在平台上申领设备后，就可以记录从叠衣服、做饭扫地、换猫砂到收发快递、分拣货物、作业流程等这些原本发生在生活和工作中的动作。

原来连续的生活，通过记录任务的方式被拆成一个个可以训练机器人的“物理世界 Token”。

觅蜂官方把这个新工种称为机器人训练师。

不需要会写代码，也不需要懂机器人。你只需要接单后，戴上设备，干本该要干的活，就能为具身大业添砖加瓦，还能顺便赚一笔钱，何乐而不为？

所以，收到 MEgo 之后，我决定用 12 个小时，沉浸式体验一下这个具身时代的新工种。

1

上岗第一天，学会怎么当机器人

成为“机器人训练师”的第一步，没有想象中复杂。

常规注册、登录、实名认证，然后按照说明书连接头戴设备。

按下开机键之后，头盔会发出提示音。App 里设备状态从离线变成在线，再连接 Wi-Fi，就能直接看到摄像头正在拍摄的第一视角画面。一共有五个视角，三个鱼眼视角和左、右目视角。

认证之后，就可以正式接单。

所以，到底哪些原本就要做的劳动，现在可以再卖一次？带着这个问题，我打开了任务大厅。

里面的范围比我想象中大得多。除了清洗、收纳这类家务，还有办公、生产、公共服务、住宿服务、文娱休闲等不同场景。原本散落在生活和工作里的动作，都变成了一项项可以领取的任务。

可以清晰地了解场景、任务类别、时长要求、剩余名额等信息。分享一个小 tip ：【我的任务】页面里进行中的任务最多可以同时领取 10 个。

过去我从来没有想过的、原本应该做和随手做的小事，现在也能顺便变现。

当然，对于第一天上岗的我来说，最重要的问题还是，先选哪个？

巧了不是。

北京最近正好要换季了。

那就先来一个衣物换季整理。2-60分钟，对应的收益是0.67-20块。

其实，一条专家标注数据也是二十块。我一边整理换季衣服，一边投身具身智能建设无痛赚钱，怎么算都是我赚了。

于是我把换季的衣服全部翻出来，戴好头盔，开始干活。

以前收拾衣柜，是为了把家收拾干净。

今天不一样。

今天每拿起一件衣服，我都会产生一种奇怪的使命感。一直在心里想，叠一件衣服，就有可能正在教未来的机器人怎么做家务。我的一小步，机器人的一大步。

不得不说，这项工作的第一个副作用很快出现了。

它让我突然变成了一个勤劳的人。很应名了，我觉得自己像只“蜜蜂”。

衣服整理完了，我开始寻找下一单。

桌面可以收。

洗漱台也能擦。

一些平时视而不见、下次再说的家务，在“这玩意儿能赚钱”的激励下，突然全部变得眉清目秀。

就这样，我一下子连续干了好几个任务。整个家焕然一新。

1

干完家务，不代表挣到钱

所有任务采集完成之后，还要上传。

这里又发现了一个真的用过才会知道的小技巧：最好晚上统一上传。

因为设备上传数据的时候，不能继续录制。

如果你做完一单立刻传一单，就会出现一个很尴尬的情况，就是人可以连轴转，但设备不行，它得先传好上一个任务。好在上传不影响玩手机。

所以效率最高的方式是白天干活，晚上上传。

数据传完之后，可以在 App 里看到最终核定的有效时长，以及核定详情。如果有无效时长，还会显示对应的无效原因。

审核速度比我想象中快，视频上传几分钟后就能出结果。我的第一笔收入，也很快到账了，0.36 元。

说起来，这笔钱连瓶矿泉水都买不起，但那一刻还是有一种很奇怪的成就感。

1

机器人到底要什么数据

干了太多家务，身体很累，但心里还在想怎么能让有效数据变得更多，这样就能赚更多钱了。

所以，贯彻大学课堂教学原则，我们先来了解一下数据的分类以及训练目的，这样就能更好地理解什么是好数据。

粗略来看，目前具身模型训练的数据主要有这么几类：

我们现在这种就属于 2.1，Ego 第一视角数据。了解数据类型后，我们以 App 里的核定详情为参考，去判定什么是高质量的数据。

总结我这十几个视频的无效原因，发现一段相对好用的第一视角操作数据，至少有几件非常朴素的事情需要满足。

第一，关键动作和轨迹都很重要。

听起来像废话，但戴着第一视角设备干活就会发现，干起活来顾不上摄像头。

比如说，伸手去够一个东西，手可能直接跑出画面。或者有时候手顺手做了，但头不会转，然后关键动作没拍上。

对于一段操作数据来说，有价值的恰恰是这些。

第二，不是头越稳越好。

这件事还挺有意思。

我刚戴 MEgo 的时候，会本能地觉得，既然要保证画面稳定，那最好尽量不要转头。

但今年 6 月发布的一篇 ActiveMimic 研究恰恰讨论了相反的问题。

研究者认为，在第一视角视频里，人为了完成任务而主动转动视线、寻找下一步目标，这种 camera motion 不应该一概被当成噪音。它本身包含了一部分“接下来应该看哪里”的主动感知信息。

比如我要拿一个杯子，我先转头找到杯子，再伸手。这里“看向杯子”本身就是动作的一部分。

所以真正需要控制的，是那些和任务无关的乱晃。但这也是 MEgo 的特别之处，它不算重，但又有足够的存在感。

无意义的晃动是噪声，有目的的观察，本身也是数据。

这也是第一视角数据有趣的地方。它记录的不只是“手做了什么”，还记录了一个人完成任务的时候看了什么、什么时候看、接下来准备做什么。

第三，不能在采集过程中使用手机。比如我在做饭的时候看食谱，就被判定为无效时长。

刷完洗漱台以后，我甚至认真想了一会儿，未来的清洁机器人为什么一定要长得像人？它完全可以长这样。

效率显然比我高。

这也说明，“把人怎么干活记录下来”和“机器人直接照着人干”并不是一回事。人的数据提供的是经验，怎么把经验教会机器人，属于附加题了。

1

当日常劳动变成机器人训练数据

无本体数据有一个很直接的优势是，它不需要先造出更多机器人，也不需要为了采数据专门搭一套新的工作场景。

一个人戴上设备，就可以把原本就在做的事情记录下来。

目前看来，觅蜂派直接把“申领设备—领任务—采集—核定—提现”做成了一个众包闭环。官方称，已经累计生产超过百万小时无本体数据。

它也不是孤例。

美国人形机器人公司 Figure AI 也在最近揭秘了项目 Index，和觅蜂一样，让普通人注册，在家里或工作场所记录真实任务，再按贡献获得报酬。

过去，普通人对人形机器人的参与，更多是围观。

2025 年春晚，16 台宇树 H1 穿着花袄扭《秧BOT》；到了 2026 年，《武BOT》里的机器人已经能做后空翻、跳马、耍双节棍。短短一年，普通人能直观看见它们的动作能力在进化。

但看机器人表演，和参与机器人训练，是两回事。

现在，你无需再额外学习任何相关知识，就可以参与到机器人训练中。

处理这些数据的方式也在发生变化。以前人们坐在电脑前，用鼠标告诉模型“这是一个杯子”。现在，人直接伸手把那个杯子拿起来。

鼠标的操作，开始变成每个人直接的动作。

体验完之后，我摘下 MEgo。

这次数据采集，我对具身智能的贡献到底有多大，目前还不好说。能赚多少钱，也不好说。写稿时，还有不少任务没上传，所以这 12 个小时到底能赚多少钱，还需要等所有数据上传完才能知道。

但有一件事已经非常确定，我家确实比以前干净多了。

点个“爱心”，再走吧