硅谷机器人领域近期掀起热潮，Google DeepMind、Figure、1X等知名企业纷纷入局，而令人意外的是，这些企业背后竟共享着同一家数据服务供应商。这家公司凭借独特的数据采集与处理能力，成为支撑多家头部企业发展的关键力量。
在机器人训练中，第一人称视角数据至关重要。这种数据从操作者视角记录双手与物体的交互过程，能更贴近任务本身，为机器人提供真实的学习材料。然而，采集和处理这类数据面临诸多挑战。传统遥操作方式虽数据质量高，但成本高昂、效率低下，且数据与特定机器人本体绑定，难以迁移应用。而互联网上虽存在海量视频，却缺乏从第一人称视角记录人类操作的数据。
在这背景下，Maxinsights脱颖而出。这家扎根硅谷的Physical AI团队，拥有强大的数据处理与算法能力。其自研的MaxEgo算法在处理复杂场景时表现卓越，即便手部被遮挡、动作快速模糊，也能准确追踪手部姿态和运动轨迹。在空间定位方面，该算法能实现高精度的SLAM功能，确保拍摄者移动时定位误差最小化。其视频理解与标注模型能生成准确的语言标注，将运动轨迹与任务含义紧密关联。
Maxinsights的数据处理流程严谨且高效。采集后的数据需经过质量检查、格式统一、视频理解、空间处理、姿态追踪和人工校正等多道工序，确保交付前数据质量达标。公司采用两个模型加四阶段自动化QA的方式，将98%的质检工作交由机器完成，大幅提高效率。同时，人工校正的样本会回流至模型训练，形成良性循环，使模型越用越准，标注成本不断降低。
除技术实力外，Maxinsights在数据采集运营方面也独具匠心。公司在多个国家建立直管现场团队和社区网络，覆盖2000多个采集环境和5万多个场景，月采集产能达45万小时。其开发的Agent平台能智能调度采集任务，根据数据分布缺口调配设备和人员，避免无效和重复采集，确保场景多样性。
参与数据采集的人员来自各行各业，包括家庭主妇、厨师、工人、农民等。他们将日常操作经验通过佩戴相机记录下来，这些动作被拆解为手部轨迹、动作时序和语义标签，成为机器人训练的宝贵素材。这种模式让普通人首次有机会将自身手艺直接转化为Physical AI的训练资源，为模型提供了真实且不可替代的学习材料。
今年夏天，两款热门机器人Dyna-2和GENE-26.5均依赖Maxinsights的数据进行训练。Dyna-2使用100万小时人类第一人称视频预训练，模型性能随数据量增加持续提升，且在未见过的机器人数据上表现优异。GENE-26.5则通过结合第一人称视频和传感器手套数据，实现高难度技能的自主执行。这两款机器人的成功，彰显了Maxinsights数据在具身智能领域的重要价值。
随着机器人领域Scaling Law的涌现，数据规模和质量成为竞争关键。Maxinsights凭借累计交付超200万小时第一人称数据的经验，以及每月45万小时的采集能力，成为少数能持续提供高质量数据的公司之一。公司不仅关注数据规模，更注重数据的“经验密度”，即每新增一小时数据能否为模型带来新的物理经验。其Agent平台通过智能调度，确保采集的数据具有多样性和新颖性，满足模型训练需求。
目前，Maxinsights已积累150万小时带手部追踪和语言标注的数据，成为Physical AI领域的重要数据基础设施。随着行业对数据需求的不断增长，该公司将继续完善数据采集与处理体系，为机器人训练提供更优质、更高效的数据支持，推动具身智能技术向更高水平发展。
