在近日举行的全球人工智能与机器人大会“数据&一脑多形”分论坛上，数据价值重构与智能架构创新成为核心议题。与会专家指出，人工智能正从单一语言理解向物理世界拓展，数据与智能系统的深度融合将重塑产业格局。这场技术盛宴汇聚了学术界与产业界的顶尖力量，共同探索下一代智能系统的演进路径。
数据价值重构正在引发行业变革。传统数据作为模型训练资源的定位已被颠覆，其作为认知基础与价值载体的本质逐渐显现。多模态大模型的发展推动数据向结构化、逻辑链完整的方向演进，高质量数据成为定义模型认知边界的关键要素。论坛深入探讨了如何构建具备解释性、可信度与进化能力的知识体系，数据流动正推动产业智能化形成闭环生态。
具身智能数据工厂建设成为实践焦点。某科技企业创始人分享了动作捕捉技术在机器人领域的应用经验，指出人形机器人赛道对高质量数据的迫切需求。该企业通过全身遥操作技术积累数据，同时揭示了遥操作存在的成本效率、能力局限与跨本体泛化等挑战。行业正探索以人为中心的数据采集体系，通过标准化与真实场景采集相结合的方式优化数据结构，构建不依赖特定机器人本体的通用数据框架。
数据工程解决方案呈现多元化发展。某数据平台创始人提出，具身数据服务将成为机器人领域的下一个风口。针对机器人泛化能力不足、数据采集成本高昂等痛点，其团队设计了兼容真机与仿真的数据采集系统，通过AI Agent实现自动标注与模型评测。该平台使真实数据集构建速度提升30倍，仿真数据生成效率提高3.5倍，形成数据驱动的模型迭代闭环。专家强调，优质数据应能直接提升模型性能，数据采集需与模型需求深度耦合。
智能架构创新推动“一脑多形”范式突破。智能飞行机器人研究展示了端到端神经网络在50克级无人机上的应用，其自主导航系统可在无GPS环境下完成复杂地下空间探索。团队开发的集群飞行系统实现五台机器人协同搬运，家庭场景中的飞行机械手已具备物品抓取能力。这些技术突破使飞行具身智能体能够进入高危环境执行任务，并在安防巡检、物流运输等领域展开应用探索。
空间智能技术打通自动驾驶与机器人领域。研究团队提出的占据栅格生成方案，通过两阶段流程实现语义Occupancy到多模态数据的转化，相关技术已与车企合作测试极端场景适应性。在机器人训练方面，构建的InterVLA数据集包含语言指令与多视角视频，配合“思维链”推理机制，使模型决策可解释性显著提升。方位感知模型则让机器人能够像人类一样抓取物体合适部位，解耦学习框架有效提升了模型在真实世界的鲁棒性。
人形机器人控制策略呈现感知驱动新趋势。研究团队通过体素化点云表示压缩环境信息，结合激光雷达自扫描技术，使机器人能够提前感知地形变化并规划动作。统一的动作技能表征模型支持人形机器人完成复杂交互与球类运动，其控制策略正从“盲动”转向“感知驱动”。专家指出，构建更大容量的基础模型与离线监督学习方案，将是提升机器人长程控制能力的关键路径。
圆桌讨论聚焦技术落地挑战。与会专家认为，当前具身智能仍处于探索阶段，学术界与产业界需形成合力。无人机技术范式向端到端倾斜，但强化学习与黑箱模式存在本质差异。世界模型构建在自动驾驶与机器人领域呈现不同技术路径，视频生成方案因安全性考量更受关注。通用控制器研发面临仿真与现实的双重考验，硬件性能成为制约因素。创业者需在技术理想与商业需求间寻找平衡点，既要保持技术前瞻性，又要满足产业迫切需求。
