2025年12月26日，【想象·2025极新AIGC峰会】在上海浦东浦软大厦成功召开。青瞳视觉副总裁季耀辉先生在会上做了题为**《具身数据标注通往未来的迭代之路》**的演讲。重点分享了青瞳视觉的发展情况、发展历程以及他们在具身智能领域的一些成就和突破。
青瞳视觉副总裁 季耀辉
季耀辉重点提到以下几点：
"具身智能的核心是实现 "数据 - 算法 - 场景" 的闭环。"
"目前，具身智能行业的数据采集与标注已具备一定基础，部分企业已通过现有数据训练模型并取得初步效果，但仍存在诸多未解决的问题。"
"我们的技术创新以自研为核心，同时秉持开放合作的心态，积极联合行业伙伴，共同开发新产品、完善解决方案。"
以下内容为嘉宾分享实录，经极新整理，希望能给大家带来收获。
本次分享聚焦具身智能，目前我们已与智元、宇树机器人等头部机器人企业、无人机公司、AI 大模型公司及重点生产企业建立了广泛合作。
0 1
具身智能落地的重要挑 战
"具身智能的核心是实现 "数据 - 算法 - 场景" 的闭环"
青瞳视觉在具身智能领域的核心任务，是数据采集与数据标注服务。这一业务对具身智能的发展至关重要，2024 年至 2025 年，具身智能数据采集与标注行业发展迅猛，投融资活动十分活跃。作为技术驱动型企业，我们更关注技术发展带来的新要求与潜在市场机遇。
从国外马斯克旗下的相关企业，到国内优秀的机器人企业，人形机器人及各类专业机器人的发展速度令人瞩目。它们的能力不断升级，从春晚舞台上的舞蹈表演，到如今完成复杂任务，未来还将涉足老人看护、医疗辅助、生产线自动操作等多个领域。要实现这些复杂功能，核心前提是获得高质量、高精度的训练数据 ------ 机器人需要通过这些数据快速学习技能，并在实际操作中通过反馈持续优化，这正是具身智能发展的关键所在。
用通俗的逻辑解释，具身智能的核心是实现 "数据 - 算法 - 场景" 的闭环：机器人需要 "看见""听见""触摸" 这个世界，获得实时反馈，从复杂数据中提取有效信息，指导后续决策与行动；行动后产生的新数据又将作为下一轮学习的基础，形成持续迭代的循环。
当前，部分具身智能领域已展现出令人惊叹的成果，自动驾驶就是典型代表。自动驾驶汽车通过激光传感器或纯视觉传感器，能够精准识别道路标线、指示牌、行人、非机动车及各类突发情况，并迅速作出反应。这一能力的背后，是数亿甚至数十亿公里的海量数据采集，以及对这些数据的详细标注与持续迭代训练 ------ 这也正是具身智能领域的核心发展逻辑：在不断迭代、学习与成长中，逐步掌握复杂任务。
对比不同阶段的 AI 模型，数据需求的复杂度呈阶梯式上升：纯文本的大语言模型（如早期 ChatGPT），仅需文本数据进行训练，互动与评价也以对话为主；进入多模态时代，视觉大模型需要处理数以亿计、甚至数百亿计的图片与视频动态视觉信息；驾驶大模型的需求更为复杂，不仅需要视觉数据，还需结合任务目标、操作行为及结果反馈，进行综合判断；而具身大模型的复杂度又上了一个维度。
以简单的 "拿起一瓶水" 为例，机器人需要判断瓶子的软硬程度，控制合适的力度 ------ 既不能过大导致捏坏瓶子，也不能过小导致瓶子滑落。在复杂场景中，如操作精密机器时，机器人需要精准控制机械臂的角度、端点位置与力度；在化工反应场景中，还需结合温度、压强等多维度参数。这些需求使得具身智能的数据采集在密度、维度上呈指数级增长，数据标注的难度也随之大幅提升。此外，还需解决数据时间轴对齐、节拍一致等问题，更要应对执行过程中的偏差修正 ------ 如何在偏离预设方向时及时调整，是具身智能落地的重要挑战。
目前，具身智能行业的数据采集与标注已具备一定基础，部分企业已通过现有数据训练模型并取得初步效果，但仍存在诸多未解决的问题。当前技术更多能应对移动相关的基础需求，通过平面坐标系、标定、避障等简单逻辑实现功能，但在高维度、高精度操作（如力度控制）、现实与数字信号的双向转换等方面，仍有巨大提升空间。例如，从现实世界采集数据并转化为数字信号，再将训练成果还原到现实场景，这一过程存在采样局限与信息提炼的双重挑战，如何确保还原过程的准确性与稳定性，是行业面临的核心难题。
当前主流的四种数据采集方式均存在明显弊端：纯真人采集效率极低；虚拟数据易与现实脱节；纯视觉数据缺乏多维度参考，只能实现部分采样；而现实信息的抽象提取与还原过程，经过两层转换后易出现模拟失真。
针对这些痛点，青瞳视觉提出了优化方案 ------ 虽无法一劳永逸解决所有问题，但实现了显著突破：
第一，实现多模态采集。通过统一操作流程，同步采集视频、音频、触感、反馈等数据，未来还将拓展温度等更多指标，确保数据的完整性与持续性。
第二，提升采集精度与稳定性。依托传统光学技术优势，实现比惯性采集等常规手段更高的定位精度；同时通过多模态数据互补，解决光学摄像头遮挡问题 ------ 遮挡时由惯性系统提供数据支持，光学系统恢复工作后再对惯性数据进行校准，实现快速、完整、准确的数据采集。
第三，实现数据复用与场景适配。一次采集的数据可适配多种终端、不同类型的机械手与机械臂；采集方案具备强环境适应性，可应用于露天场景、实际生产车间等复杂环境；通过自主设计的流程方案实现数据倍增，突破纯真人采集的局限。
02
解决方案 还需多元
"我们的技术创新以自研为核心，同时秉持开放合作的心态，积极联合行业伙伴，共同开发新产品、完善解决方案。"
具体来看，我们的方案整合了光学传感器、惯性传感器、力反馈传感器（可采集法线方向与切线方向的摩擦力数据）及温度等其他传感器，通过光学系统对采集环境进行校准，进一步提升数据准确率与质量。这套方案能够实现高准确度、高适应性的多模态数据采集，结合与各行业客户合作开展的数据标注与数据倍增工作，可满足大批量、快速采集的需求，服务于机器人、汽车生产企业、智慧工厂、智慧物流等多个行业。
除了核心的触觉手套 + 光学捕捉方案，我们还针对不同行业需求，打造了多元化的解决方案：
-
精准定位与性能评测：光学定位方案的重复定位精度可达 0.01 毫米，已成为机器人行业行为准确度的核心评测标准，我们在苏州设立的评测中心，可承接各类人形机器人及专业机器人的性能评测业务；
-
灵巧手精准操作：通过在手上贴光学触点的方式，实现无需手套的高精度细致操作；
-
多场景数据采集：涵盖遥操作、工厂实地训练数据采集，无人机、机器狗在强红外光、日光照射等特殊环境下的采集，仿生机器人、机械臂操作采集，以及水下采集（已解决能见度、折射等水下环境带来的影响）；
-
柔性对象采集：针对易形变、易误识别的柔性采集对象，通过技术创新实现精准检测与采集。
我们的技术创新以自研为核心，同时秉持开放合作的心态，积极联合行业伙伴 ------ 例如与触觉传感器技术领先但光学领域薄弱的企业合作，共同开发新产品、完善解决方案。在此，我们诚挚欢迎行业内各类企业与我们对接：无论是有业务需求，还是拥有可补充我们技术短板的优质方案，都期待与大家携手，共同开拓这一对国计民生与市场发展具有重要意义的新兴领域。