近日，具身智能真实数据采集技术取得重要突破。由蚂蚁数科天玑实验室团队研发的AoE（Always-On Egocentric）持续性第一人称视频采集框架，提出了一种轻量化且低成本的具身数据采集方案。通过一台手机和一个低于 20 美元的颈挂式支架，就可以替代动辄数万美元的专业设备，实现具身智能的高质量数据采集。该技术方案的提出，有效化解了具身数据采集成本高、规模化难的困局。目前，这一技术论文已经在 Arxiv 发布。

随着基础模型持续演进，模型的泛化能力和跨场景适应能力，越来越依赖真实世界交互数据的规模、质量与覆盖范围。AoE的核心突破在于将“人+手机”转化为可持续运行的数据节点，其载体是一款符合人体工学的颈挂式支架，通过机械夹具、磁吸等方式能将手机稳固于胸前，持续采集贴近用户视角的第一人称画面，从而完整记录自然交互过程。

该方案在保持毫米级轨迹精度和90%以上手部关键点识别准确率的同时，实现了数千台设备并发采集与云端自动化处理。实测表明，针对Unitree G1机器人的关电脑任务，仅靠50条遥操作数据时成功率为 45%，而引入200条AoE数据后，成功率跃升至95%。在数据匮乏时，AoE承担了“启动学习”的关键补位角色。

低成本采集只是起点。据论文介绍，蚂蚁数科攻克了“长视频转化为训练数据”的技术难题：该方案通过端侧轻量级视觉模型自动识别手物交互并触发录制，利用大语言 - 视觉模型将连续视频切分为带语义标签的原子动作片段，最终经云端自动标注、过滤与清洗，让手机录制的视频自动转化为高质量、标准化的训练数据。

此外，AOE 还构建了一套端云协同的方案，实现了采集、预处理、清洗、筛选和调度的自动化处理，在降低人工介入的基础之上，提升了整体吞吐量。

近日，具身智能真实数据采集技术取得重要突破。由蚂蚁数科天玑实验室团队研发的AoE（Always-On Egocentric）持续性第一人称视频采集框架，提出了一种轻量化且低成本的具身数据采集方案。通过一台手机和一个低于 20 美元的颈挂式支架，就可以替代动辄数万美元的专业设备，实现具身智能的高质量数据采集。该技术方案的提出，有效化解了具身数据采集成本高、规模化难的困局。目前，这一技术论文已经在 Arxiv 发布。

随着基础模型持续演进，模型的泛化能力和跨场景适应能力，越来越依赖真实世界交互数据的规模、质量与覆盖范围。AoE的核心突破在于将“人+手机”转化为可持续运行的数据节点，其载体是一款符合人体工学的颈挂式支架，通过机械夹具、磁吸等方式能将手机稳固于胸前，持续采集贴近用户视角的第一人称画面，从而完整记录自然交互过程。

该方案在保持毫米级轨迹精度和90%以上手部关键点识别准确率的同时，实现了数千台设备并发采集与云端自动化处理。实测表明，针对Unitree G1机器人的关电脑任务，仅靠50条遥操作数据时成功率为 45%，而引入200条AoE数据后，成功率跃升至95%。在数据匮乏时，AoE承担了“启动学习”的关键补位角色。

低成本采集只是起点。据论文介绍，蚂蚁数科攻克了“长视频转化为训练数据”的技术难题：该方案通过端侧轻量级视觉模型自动识别手物交互并触发录制，利用大语言 - 视觉模型将连续视频切分为带语义标签的原子动作片段，最终经云端自动标注、过滤与清洗，让手机录制的视频自动转化为高质量、标准化的训练数据。

此外，AOE 还构建了一套端云协同的方案，实现了采集、预处理、清洗、筛选和调度的自动化处理，在降低人工介入的基础之上，提升了整体吞吐量。

近日，具身智能真实数据采集技术取得重要突破。由蚂蚁数科天玑实验室团队研发的AoE（Always-On Egocentric）持续性第一人称视频采集框架，提出了一种轻量化且低成本的具身数据采集方案。通过一台手机和一个低于 20 美元的颈挂式支架，就可以替代动辄数万美元的专业设备，实现具身智能的高质量数据采集。该技术方案的提出，有效化解了具身数据采集成本高、规模化难的困局。目前，这一技术论文已经在 Arxiv 发布。

随着基础模型持续演进，模型的泛化能力和跨场景适应能力，越来越依赖真实世界交互数据的规模、质量与覆盖范围。AoE的核心突破在于将“人+手机”转化为可持续运行的数据节点，其载体是一款符合人体工学的颈挂式支架，通过机械夹具、磁吸等方式能将手机稳固于胸前，持续采集贴近用户视角的第一人称画面，从而完整记录自然交互过程。

该方案在保持毫米级轨迹精度和90%以上手部关键点识别准确率的同时，实现了数千台设备并发采集与云端自动化处理。实测表明，针对Unitree G1机器人的关电脑任务，仅靠50条遥操作数据时成功率为 45%，而引入200条AoE数据后，成功率跃升至95%。在数据匮乏时，AoE承担了“启动学习”的关键补位角色。

低成本采集只是起点。据论文介绍，蚂蚁数科攻克了“长视频转化为训练数据”的技术难题：该方案通过端侧轻量级视觉模型自动识别手物交互并触发录制，利用大语言 - 视觉模型将连续视频切分为带语义标签的原子动作片段，最终经云端自动标注、过滤与清洗，让手机录制的视频自动转化为高质量、标准化的训练数据。

此外，AOE 还构建了一套端云协同的方案，实现了采集、预处理、清洗、筛选和调度的自动化处理，在降低人工介入的基础之上，提升了整体吞吐量。

近日，具身智能真实数据采集技术取得重要突破。由蚂蚁数科天玑实验室团队研发的AoE（Always-On Egocentric）持续性第一人称视频采集框架，提出了一种轻量化且低成本的具身数据采集方案。通过一台手机和一个低于 20 美元的颈挂式支架，就可以替代动辄数万美元的专业设备，实现具身智能的高质量数据采集。该技术方案的提出，有效化解了具身数据采集成本高、规模化难的困局。目前，这一技术论文已经在 Arxiv 发布。

随着基础模型持续演进，模型的泛化能力和跨场景适应能力，越来越依赖真实世界交互数据的规模、质量与覆盖范围。AoE的核心突破在于将“人+手机”转化为可持续运行的数据节点，其载体是一款符合人体工学的颈挂式支架，通过机械夹具、磁吸等方式能将手机稳固于胸前，持续采集贴近用户视角的第一人称画面，从而完整记录自然交互过程。

该方案在保持毫米级轨迹精度和90%以上手部关键点识别准确率的同时，实现了数千台设备并发采集与云端自动化处理。实测表明，针对Unitree G1机器人的关电脑任务，仅靠50条遥操作数据时成功率为 45%，而引入200条AoE数据后，成功率跃升至95%。在数据匮乏时，AoE承担了“启动学习”的关键补位角色。

低成本采集只是起点。据论文介绍，蚂蚁数科攻克了“长视频转化为训练数据”的技术难题：该方案通过端侧轻量级视觉模型自动识别手物交互并触发录制，利用大语言 - 视觉模型将连续视频切分为带语义标签的原子动作片段，最终经云端自动标注、过滤与清洗，让手机录制的视频自动转化为高质量、标准化的训练数据。

此外，AOE 还构建了一套端云协同的方案，实现了采集、预处理、清洗、筛选和调度的自动化处理，在降低人工介入的基础之上，提升了整体吞吐量。

近日，具身智能真实数据采集技术取得重要突破。由蚂蚁数科天玑实验室团队研发的AoE（Always-On Egocentric）持续性第一人称视频采集框架，提出了一种轻量化且低成本的具身数据采集方案。通过一台手机和一个低于 20 美元的颈挂式支架，就可以替代动辄数万美元的专业设备，实现具身智能的高质量数据采集。该技术方案的提出，有效化解了具身数据采集成本高、规模化难的困局。目前，这一技术论文已经在 Arxiv 发布。

随着基础模型持续演进，模型的泛化能力和跨场景适应能力，越来越依赖真实世界交互数据的规模、质量与覆盖范围。AoE的核心突破在于将“人+手机”转化为可持续运行的数据节点，其载体是一款符合人体工学的颈挂式支架，通过机械夹具、磁吸等方式能将手机稳固于胸前，持续采集贴近用户视角的第一人称画面，从而完整记录自然交互过程。

该方案在保持毫米级轨迹精度和90%以上手部关键点识别准确率的同时，实现了数千台设备并发采集与云端自动化处理。实测表明，针对Unitree G1机器人的关电脑任务，仅靠50条遥操作数据时成功率为 45%，而引入200条AoE数据后，成功率跃升至95%。在数据匮乏时，AoE承担了“启动学习”的关键补位角色。

低成本采集只是起点。据论文介绍，蚂蚁数科攻克了“长视频转化为训练数据”的技术难题：该方案通过端侧轻量级视觉模型自动识别手物交互并触发录制，利用大语言 - 视觉模型将连续视频切分为带语义标签的原子动作片段，最终经云端自动标注、过滤与清洗，让手机录制的视频自动转化为高质量、标准化的训练数据。

此外，AOE 还构建了一套端云协同的方案，实现了采集、预处理、清洗、筛选和调度的自动化处理，在降低人工介入的基础之上，提升了整体吞吐量。