采集

PlayerAvatars要求在赛前完成大规模球员数据采集；

赛前扫描还涉及跨球队的数据采集组织。

记者注意到，本届WAIC期间，不少企业将产业合规数据采集作为攻坚机器人“智慧大脑”的核心抓手，推出了专用数采硬件与行业数据合作方案。

使用DexVerse的生成式仿真，不仅让真机数据采集的消耗大幅降低，更给了客户快速定义新任务、新物体、新场景的权力，并能即时在仿真系统中进行验证。

数据采集、仿真评测等上游基础设施企业的展位密度显著提升。

WAIC2026的另一个新趋势是，上游数据采集厂商占比明显抬升。

此外，地面科研人员还将对乘组采集的唾液样本进行糖蛋白糖型和微生物组分析，并对其变化关联性开展研究。

倡议提出，将围绕流程重塑、标准引领、价值对齐和平台创新，推动科学数据采集、预处理、标注、流通和使用全流程贯通，促进科学数据向AI-Ready、Agent-Ready演进。

长期太空环境下病毒与机体免疫代谢互作研究在轨开展，三名航天员采集了唾液、环境表面微生物拭子等样本，冷冻保存后等待下行。

除了首次集体亮相的JoyAI全系列大模型矩阵，具身数据采集体系、JoyInside智能硬件和京东云AI基础设施也一同亮相，它们连同全链路业务场景组成了京东的物理AI闭环。

围绕JoyEgoCam打造的数据采集还扩展到了物流仓储、工业制造、健康医疗、城市运维等其他核心场景。

在家庭场景，京东打造了全国首个具身智能数据采集社区，让普通人在擦桌子、叠衣服、整理收纳、地面清洁等日常活动中完成工业级数据采集。

其背后，一种新的数据获取方式兴起，即由人带上数据采集设备收集机器人训练所需的数据，业界也称为“人类数据”，区别于仿真数据和机器人本体采集的数据。

依托多年在智能汽车领域积累的数据合规、高精定位、感知算法及芯片等核心能力，四维图新已形成覆盖数据采集、治理、训练、评测及合规流通的全链路数据业务闭环。

建立科学、统一的数据标准体系，不仅关系到数据采集、治理、训练、评测和共享的效率，更直接影响产业链协同创新和行业生态健康发展。

该矩阵覆盖硬件拆装、算法开发、数据采集到场景实训四大核心环节，专为职业院校与应用型本科量身打造，旨在破解具身智能产业爆发前夜面临的工程落地人才短缺难题。

传统的数据采集方案已经难以适应当下的需求。

而当前主流的数据采集方案，在这三个维度上均面临显著痛点。

要解决这些问题，必须通过技术创新，重构数据采集的硬件架构与软件流程，构建一套高精度、多模态、高效率、低成本的数据采集体系。

这使得大规模、多样化的数据采集成为可能。

这种方式能够在短时遮挡或部分遮挡（如手伸入抽屉取物、手攥成团等场景）下，维持良好的持续定位能力，定位漂移量达到毫米级，确保数据采集不中断。

面对模型训练的严苛需求，数据采集技术本身必须进行一场深刻的范式转移。

三是数据隐私与安全问题，企业担心开放产线数据会泄露核心工艺，导致其不愿配合数据采集，“部分头部企业，其核心产线里面一些东西，他们自己人都进不去，我们只能暂时先等待行业规范进一步成熟，先把眼前开放的场景做完”，王琪直言。

二是数据采集难、成本高，工业场景的复杂性导致数据采集难度大，且采集设备与人力成本高昂，尤其是对于中小企业而言，难以承担大规模数据采集的成本；

单从数据采集这一点来看，其需求可以概括为三个关键维度：多模态、高精度、强因果。

7月16日，四维图新高级副总裁、CMO（首席营销官）兼董秘孟庆昕在接受《每日经济新闻》记者采访时表示，目前行业在数据采集、管理和使用方面仍缺乏统一标准。

“从行业来看，数据采集、使用、范式都缺乏统一标准，每家企业都在‘闭门造数据’。

我们希望未来能够把数据真正做成可流通、可复用的资产，而不是让每一家企业都重复承担数据采集成本。

其中名为“上涌流（UPFLOW）”的项目，正在分析费雷拉团队部署在大西洋亚速尔群岛、加那利群岛、马德拉群岛周边的海底地震仪采集的数据。

他表示，算力上天真正的价值不只是把算力送上天，更重要的是把模型和应用能力一起部署到空天侧，让卫星能够在轨完成数据处理和智能应用，而不仅仅是数据采集和传输。

真正有价值的不只是把算力送上天，更重要的是把模型和应用能力一起部署到空天侧，让卫星能够在轨完成数据处理和智能应用，而不仅仅是数据采集和传输。

信息技术在这一阶段更多承担信息获取和传递功能，主要用于灾后信息采集和信息发布，由救援机构收集灾情并发布信息，尚未深入参与复杂环境下的分析和决策。

近日，均普智能发布工业具身智能数据平台PrimusForge及头戴式第一视角数据采集设备PrimusEgo。

均普智能此次发布的软硬件产品组合，正是瞄准这一关键窗口期，为行业提供可规模化的工业数据采集与治理基础设施。

比如此次发布的PrimusEgo是一款面向工业场景的头戴式数据采集设备，搭载5路摄像头实现超过270°

数据采集不会消失，但采集员未必还是今天这批人。

机器人数据采集是她出走后的第一份工作。

过去一年中，社交媒体上流传着不少关于数据采集员的帖子。

那时候，设备重新启动，定位器亮起绿灯，新一轮的数据采集开始了。

不少机器人数据采集企业诞生于自动驾驶浪潮之中。

今年，多家数据服务企业陆续披露融资和订单情况，有的转型不到一年，数据采集业务收入便超过亿元，有的获得多轮亿元乃至十亿级融资，在手订单达到数亿元规模，部分数据采集企业甚至比机器人本体厂商更早实现盈利。

在机器人数据采集现场，我很少听到有人讨论机器人，大家聊得更多的是房贷、婚育、找工作和工资。

6月的一个下午，我花了半个小时，在招聘网站海投了近十家公司的机器人数据采集岗。

事实上，缴纳“五险一金”的公司占比极低，这些机器人数据采集岗大多在兼职渠道流通。

但也只有这家招全职，并会通过第三方劳务公司缴纳“五险一金”，其余两家是“外包”公司，后来我发现它们都为同一家数据采集公司服务。

对于这个刚刚兴起的行业来说，什么才是最理想的数据采集范式，还没有形成统一答案。

成为一名机器人数据采集员不算难。

理由是体型过于肥胖，无法穿戴数据采集设备。

面试官很平静地纠正他，“是机器人数据采集”。

一家估值超过百亿元的机器人公司HR透露，机器人数据生产大致分为采集、质检和标注三个环节，眼下行业最紧缺的仍然是最前端的数据采集。

京东建设数据采集中心，希望两年内积累1000万小时真实场景数据。

我们应聘的便是真人数据采集岗。

智元机器人、银河通用、自变量机器人等机器人公司，都加速自建数据体系，建设真机数据采集基地、训练机器人“小脑”模型，甚至推动数据业务独立拆分；

理论上，一组机器人数据采集员，一天工作8小时的有效数据产出，最高可以卖到1600至8000元。

这也是机器人数据采集爆发的根本原因。

随着具身智能升温，这些公司开始将原有的数据生产能力迁移到机器人领域，从仿真数据逐渐扩展到真实场景数据采集。

无论是在真实环境里采集，还是在虚拟世界里采集，都需要先布设机器人、搭建场景，再引入遥操人员来控制机器人采集这类数据。

以前单纯做工业巡检、数据采集的机器人，将会变成设备诊断专家；

这有别于操作机器人采集的数据。

今年3月，京东提出将建设全球最大的具身智能数据采集中心，目标是两年内采集1000万小时高质量数据。

并且，数据采集只是京东打造具身数据全链路基础设施的第一步。

未来，AI可结合遥感数据、传感器信息和无人设备采集数据，持续更新灾区动态地图，为救援车辆和无人设备提供实时路径规划。

艾欧智能负责数据采集、清洗、标注、管理、转换等工作，为全国多地数采厂提供了采集设备并服务下游模型厂商。

丁哲章表示，数据采集的问题还涉及更多层面，例如此前灵巧手不够成熟，就无法用灵巧手采集高质量数据，操作机器人运动的基础模型不成熟也难以对机器人遥操作，是近期灵巧手可用性增加、近半年机器人全身操作基础模型变得更加可用，才涌现出更多灵巧手长程精细操作数据和全身操作数据需求。

元点Zeroth的家庭人形机器人产品面向老人陪伴、宠物记录、儿童教育等场景，该公司联席CTO李元庆也告诉记者，他接触的数据服务商反馈，今年数据采集转向“人类数据”趋势尤为明显，“大家每往前做一步，对数据就有越多、越深的理解，‘人类数据’也变得越可用，数据整体变多了。

这种数据采集方式已经进入实际应用场景。

为解决这一问题，2023年7月，民政部发起“乡村著名行动”，以推动乡村地名的采集、规范和数字化为核心。

然而，由于村落分散、数据采集难度大、信息更新不及时等原因，地名采集工作面临着上传效率低、数据管理难等实际挑战。

针对这些问题，腾讯地图为民政部提供技术支持，上线了“乡村著名行动”小程序，作为全国地名采集、规范和应用的统一平台。

这背后，是一场从硬件架构、数据采集到处理范式的系统性革命。

通俗点来说，我们是数据采集员，也是机器人的老师。

JoyEgoCam头戴式数据采集设备体验区（京东供图央广网发）

围绕数据采集、仿真训练与真机验证，京东构建全球首个覆盖“采、存、标、训、评、仿、测”的全链路具身数据基础设施，助力具身智能产业打破“数据荒”的瓶颈。

在具身智能展示区域，京东带来了自研的JoyEgoCam头戴式数据采集设备。

从“AIHome”里的一台台终端，到JoyEgoCam数据采集的真实操作，再到物流、健康、工业等产业流程，京东正围绕“AI进入物理世界”，推动模型、数据、终端与场景协同演进，加速建设全球最大物理世界运营中心。

而将传统柔性采集设备迭代成与人类骨骼更相似的刚性采集设备。

在软件层面，利用“触觉接触”等高置信度事件作为“真值”，对多模态数据进行动态校准与因果对齐，形成了“端侧双循环动态校准”机制，确保长时间采集的精度不漂移。

然而，当前许多采集方案严重依赖单一视觉，导致触觉、力觉等关键模态数据缺失或质量低下。