📢 转载信息
原文作者：Michelle Kim
当宙斯（Zeus）结束在尼日利亚中部某山顶城市医院的漫长工作，回到自己的单间公寓时，他会打开环形补光灯，将iPhone绑在额头上，开始拍摄自己做家务的过程。他像梦游者一样举起双手，整理床铺，动作缓慢而谨慎，确保双手始终处于拍摄画框内。
宙斯是Micro1的一名“数据记录员”。这是一家位于美国加州帕洛阿托的公司，专门收集现实世界数据并将其出售给机器人制造企业。随着特斯拉、Figure AI和Agility Robotics等公司竞相开发人形机器人（旨在模拟人类在工厂和家庭中的动作），像宙斯这样的零工录制的视频，正成为训练这些机器人最炙手可热的新方式。
从模拟走向现实：AI对数据的渴求
人形机器人的制造难度极高，因为物理操作是一项难以掌握的技能。然而，ChatGPT等聊天机器人背后的大语言模型（LLM）崛起，激发了机器人技术的范式转移。正如大语言模型通过学习互联网上的海量文本来生成内容一样，许多研究人员认为，人形机器人可以通过大量“动作数据”学习如何与物理世界交互。
不过，机器人技术对现实世界数据的要求远比文本复杂。虚拟模拟可以训练机器人表演杂技，但无法教授它们如何抓取和移动物体，因为模拟在模拟精确物理特性方面存在挑战。为了让机器人能进工厂或担任管家，即使成本高昂且耗时，获取现实世界的数据似乎成了必经之路。
繁荣的“数据零工”经济
投资者正狂热地涌入这一领域，仅2025年，人形机器人行业的融资额就超过了60亿美元。与此同时，家庭数据录制成为全球蓬勃发展的零工经济。Scale AI和Encord等数据公司正在招募庞大的数据记录员队伍，而DoorDash甚至在支付配送司机拍摄自己做家务的视频。在中国的机器人训练中心，工人们穿戴虚拟现实头显和外骨骼，教会机器人如何打开微波炉或擦拭桌面。
“目前需求巨大，且增长速度极快，”Micro1首席执行官Ali Ansari表示。他估计，机器人公司每年在购买这类现实世界数据上的投入已超过1亿美元。
工作日常：AI审核与人工标签
Micro1的工人由名为“Zara”的AI代理进行筛选，该代理负责面试并审核视频样本。每周，工人们需要提交做家务的视频，并遵循包括保持手部可见、动作自然等指令。视频经由AI和人工双重审核，随后由数百人的团队进行动作标注。
“由于这种机器人训练方式还处于起步阶段，目前尚不清楚什么样的数据才是‘高质量’的训练数据。不过，你需要提供大量的多样性样本，以便让机器人更好地概括基础的导航和操作逻辑。”
隐私与隐忧
尽管工作报酬在当地颇具吸引力，但隐私问题不容忽视。Micro1禁止员工在视频中展示面部或透露个人信息，并利用AI进行过滤。然而，即便是没有脸部的视频，依然捕捉到了工人生活最亲密的切片：居住环境、私人财物和日常习惯。对于许多像Arjun（一位印度德里的导师）那样的父亲来说，为了工作时避开调皮的孩子，或是确保不拍到邻居，往往要付出巨大的精力。
马里兰大学人机交互教授Yasmine Kotturi指出：“如果工人们参与其中，公司必须明确告知技术的发展方向，以及这可能会对他们的长期生活产生何种影响。”
尽管一些乐观者认为这预示着技术的突破，但加州大学伯克利分校的机器人专家Ken Goldberg持谨慎态度：“这比人们想象的要漫长得多。人形机器人需要的数据可能比LLM还要多，因为控制机器关节比生成文本要复杂得多。”
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区