Wer verdient das 「Lehrgeld」 der Roboter?

Nach Jahrzehnten der Hausarbeit entdeckte Gao Bo, eine Vollzeitmutter in ihren Fünfzigern, zum ersten Mal, dass ihre Bewegungen auch Geld wert sind.

Sie wohnt in Shandong und kümmert sich normalerweise um ihren jugendlichen Sohn, weshalb es ihr schwerfällt, einer Arbeit außerhalb des Hauses nachzugehen. Jetzt filmt sie ihre Bewegungen mit dem Smartphone, während sie täglich kocht, wäscht und putzt. Sie berichtete Medien, dass sie bei sechs Stunden Arbeit pro Tag 120 Yuan verdienen kann.

Diese aus der ersten Perspektive aufgenommenen Videos werden nach der Bearbeitung zu Trainingsmaterialien für Roboter, um Haushaltsaufgaben zu erlernen.

Gao Bo ist kein Einzelfall. Auf sozialen Medien tauchen immer mehr ähnliche Szenen auf: In McDonald's reinigen Mädchen mit Aufnahmegeräten Esstische; an Straßenständen zeichnen Köche während des Rührens und Bratens den Winkel des Handgelenks und die Bewegungstrajektorie auf...

Verkörperte Daten treten nun in das Zeitalter des „Crowdsourcing“ ein. Früher wurden Roboter-Daten hauptsächlich von Erfassern in Trainingszentren ferngesteuert auf echten Geräten erzeugt. Heutzutage verbreiten sich mit der Beliebtheit von körperlosen Erfassungsgeräten wie First-Person-Kameras die Arbeitsplätze für die Datenerfassung nicht mehr nur auf Trainingszentren: Jeder Ort, an dem Menschen arbeiten, kann zum Klassenzimmer für Roboter werden.

Hinter diesem Crowdsourcing-Boom steht eine enorme Datenlücke in der Roboterbranche. Damit Roboter in der physischen Welt arbeiten können, müssen sie zunächst „gehirntrainiert“ werden – doch derzeit fehlen dringend Daten, um die physische Welt zu verstehen.

Rund um die Datenerfassung und das Training von Robotern ist schnell eine gesamte Industriekette entstanden, und die Begeisterung auf dem Primärmarkt hat sich ebenfalls entfaltet.

Doch hinter der lebhaften Szene ist die Rechnungslegung nicht einfach. Wer wird in dieser Industriekette als Erster Gewinne erzielen? Und wie viel der ständig expandierenden Datenkapazität kann tatsächlich zu Fähigkeiten von Robotern und Kundenaufträgen umgewandelt werden?

Die gesamte Branche eilt, Roboter „Unterricht zu geben“

Laut Daten von Interact Analysis waren bis Ende April 2026 landesweit bereits 64 in Betrieb genommene Datenerfassungs- und Trainingszentren im Einsatz. Zusammen mit im Bau befindlichen und geplanten Projekten gibt es mindestens 90 solcher Zentren, von denen mindestens 13 über hundert Roboter eingesetzt haben.

Auf Tausenden von Quadratmetern großen Flächen werden Wohnungen, Supermärkte, Lagerhallen und Fabriken 1:1 nachgebildet. Dutzende bis Hunderte von Robotern stehen Schlange, um „Unterricht zu nehmen“: Erfasser tragen VR-Headsets und steuern Roboterarme, um wiederholt Kisten zu transportieren, Waren zu sortieren und Werkzeuge zu bedienen.

Auf Stellenbörsen tauchen nun auch massenhaft Stellen für Erfasser von embodied-Intelligence-Daten auf, wobei einige Positionen keine Berufserfahrung erfordern.

Ein Datenerfassungsdienstleister, der früher Internetkunden wie Baidu Map bediente, hat Anfang dieses Jahres ein Team von über 20 Mitarbeitern hinzugefügt, das sich ausschließlich dem Geschäft der Erfassung allgemeiner Daten mit Binokular-Kameras widmet. Laut dem zuständigen Verantwortlichen haben bereits zwei führende Roboterhersteller und ein Anbieter von Seniorenimmobilien die Zusammenarbeit initiiert: „Die Nachfrage ist relativ groß, man kann sagen, dass wir den Trend erfasst haben.“

Dieser Boom kommt von der Verlagerung des Entwicklungsschwerpunkts der Roboterbranche. Mit dem Fortschritt bei Körpern, Gelenken und der gesamten Bewegungssteuerung können Roboter bereits laufen, tanzen und Boxübungen ausführen – die Branche richtet ihren Fokus nun stärker auf Modelle und praktische Aufgaben.

Dabei tritt ein neuer Engpass auf: Roboter können in Trainingsbereichen eine Bewegung wiederholt ausführen, sobald sie aber das Objekt austauschen, den Platzierungswinkel anpassen oder einen Raum mit anderer Beleuchtung und anderer Umgebung betreten, kann die Erfolgsrate schnell sinken – das heißt, die Generalisierungsfähigkeit von Robotern ist schwach.

Aus diesem Grund versucht die Roboterbranche, das Scaling Law großer KI-Modelle zu übernehmen: Wenn die Modellarchitektur und die Trainingsmethoden relativ stabil sind, wird die Leistungssteigerung durch die Erhöhung von Daten, Parametern und Rechenleistung erreicht.

Dieses Gesetz befindet sich bei Robotern noch in der Validierungsphase, hat aber bereits die Erwartungen der Branche an den Datenumfang verändert.

Nach Branchenschätzungen hat die gesamte Branche derzeit etwa 500.000 Stunden hochwertiger Trainingsdaten angesammelt. Um intelligente Emergenz zu erreichen, reichen 100 Millionen Stunden Trainingsdaten möglicherweise nicht aus. Auf dieser Größenordnung unterscheiden sich die beiden Werte um mindestens etwa das 200-fache.

Mit der steigenden Nachfrage muss die Branche auch das Problem lösen, woher die Daten stammen. Die herkömmliche Erfassung auf echten Geräten kann diese Lücke kaum schließen. Ein Branchenkenner verriet, dass ein Trainer normalerweise nur einen Roboter fernsteuern kann, ein Roboter oft zwei Personen zur Zusammenarbeit benötigt und an einem Tag nur Dutzende Male die Erfassung auf echten Geräten abschließen kann – denn die „Arbeitsgeschwindigkeit“ von Robotern ist viel langsamer als die von Menschen.

Die körperlose Erfassung, die sich ab 2026 konzentriert verbreitet, senkt die Hürden für die Erweiterung der Datenkapazität.

Dieser Ansatz tauchte bereits um 2024 auf und wandert in diesem Jahr von Papieren und Prototypen zu kompletten Produkten. Zum Beispiel zeichnet das auf dem Kopf getragene EGO-Gerät (Anmerkung: First-Person-Perspektiv-Datengerät) die Körperbewegungen auf, das in der Hand gehaltene UMI (Anmerkung: Universal-Manipulations-Schnittstelle) zeichnet die Bewegung, Drehung und Öffnung/Schließung der Hand auf; Handgelenkskameras und taktile Geräte ergänzen Nahaufnahmen und Kontaktinformationen.

Die Technologie öffnet das Angebot, und die Politik verstärkt die Bauanforderungen weiter. Im Juni 2026 starteten das Ministerium für Industrie und Informationstechnologie und das Staatsvermögen der Staatsratsverwaltung eine Sonderaktion für realistische Praxistrainings, fordern zehn Provinzen und Städte auf, jeweils mindestens 20 wichtige Szenarien auszuwählen, und planen, bis zum Ende des Jahres mehr als 100 hochwertige Anwendungsszenarien zu bilden, um die Fähigkeit zur Umsetzung im Umfang von zehntausend Einheiten zu fördern.

Mehrere Kräfte überlagern sich, sodass die Datenerfassungsbranche schnell von Unternehmen unterschiedlicher Herkunft gefüllt wird.

Hardware-Unternehmen wie Orbbec und Tujian Technology ähneln am meisten den „Schaufelverkäufern“. Orbbec geht von 3D-Vision aus und erweitert seine Fähigkeiten bei 3D-Kameras, Kalibrierung und Massenfertigung auf EGO, UMI und Handgelenkskameras; Tujian geht von flexiblen elektronischen Haut ein und zeichnet mit taktilen Handschuhen Kontaktkräfte und Kraftänderungen auf, die Videos nicht liefern können.

Körper- und Modellunternehmen wie UBTECH und Zilian steigen gleichzeitig wegen Geräteaufträgen und Trainingsdaten in den Datenerfassungsbereich ein. Wenn lokale Regierungen Datenerfassungszentren bauen, kaufen sie oft Roboter, Fernbedienungsgeräte und Trainingssysteme als Paket ein. Die beiden von UBTECH gewonnenen Projekte in Huizhou und Hohhot haben einen Gesamtwert von über 130 Millionen Yuan. Zilian entwickelt gleichzeitig Modelle, Roboter und Datenerfassungswerkzeuge, kann nach der Modellleistung entscheiden, welche Daten in der nächsten Runde erfasst werden, und den Zyklus aus Erfassung, Training und Test verkürzen.

Mifeng Technology, das von Agibot ausgegründet wurde, versucht, die Datenfähigkeiten, die ursprünglich für hauseigene Roboter entwickelt wurden, zu einer unabhängigen Plattform zu machen, die extern Erfassung, Bereinigung, Training und Bewertung übernimmt und die gesamte Datenproduktionskette organisiert.

JD und Syrius Robotics haben den Vorteil fertiger Szenarien. JD verfügt über Logistik-, Einzelhandelsszenarien und Personalorganisationsfähigkeiten, kann die Erfassung in Lager, Einkaufszentren, Fabriken und normale Haushalte ausweiten; Syrius Robotics hat bereits eine große Anzahl von Robotern in Lagern und Fabriken im Einsatz und hofft, dass diese Geräte während der Arbeit Daten erzeugen. Das Unternehmen gab bekannt, dass die installierte Basis seiner Robotersteuerung über 50.000 Einheiten beträgt und insgesamt mehr als 500.000 Stunden multipler Formen von Echtgerätedaten angesammelt wurden.

Die gesamte Branche beschleunigt die „Lehrbuchproduktion“ für Roboter – aber viele „Lehrbücher“ bedeuten nicht, dass die Schüler sie auch lernen können.

Welche Art von „Lehrbuch“ brauchen Roboter?

Diesen Juni teilte das Roboterunternehmen XDOF das Ergebnis eines Experiments mit.

Das Team bereitete sich darauf vor, einem Roboter das Falten von T-Shirts beizubringen. Nach dem Training mit gewöhnlichem Imitationslernen gelang dem Roboter bei 20 Testläufen jeder Versuch. Später fügte das Team weitere Demonstrationen abgeschlossener Aufgaben hinzu, in der Annahme, dass mehr Daten die Modellleistung verbessern würden – doch die Erfolgsrate sank zunächst auf 2 erfolgreiche Versuche und schließlich scheiterten alle 20 Läufe.

Das Problem liegt in diesen scheinbar geeigneten Videos: Am Ende ist das Kleidungsstück zwar gefaltet, aber der Prozess enthält Pausen, Zögerlichkeiten, erneutes Greifen und unwirksame Anpassungen. Ein Mensch sieht das als normale Operation an – aber der Roboter übernimmt den gesamten Prozess vollständig und lernt sogar die Zögerlichkeiten als Standardantwort.

Das stimmt mit dem praktischen Eindruck inländischer Fachleute überein. Ein Branchenkenner sagte zu „NoNoise“: Ab diesem Jahr hat die Nachfrage nach Datenerfassung schnell zugenommen, aber viele gesammelte Daten erweisen sich später als nutzlos.

Was in der Branche wirklich knapp wird, ist allmählich die Fähigkeit zu beurteilen, was Roboter daraus lernen sollen.

Damit eine menschliche Bewegung zu einer Fähigkeit des Roboters wird, ist der erste Schritt die Bestimmung des Erfassungsinhalts. Beim Transport von Kisten stehen Stabilität und Rhythmus im Vordergrund, beim Schrauben von Schrauben sind Genauigkeit und Kraftsteuerung erforderlich, beim Falten von Kleidung müssen zusätzlich Verformungen, Verdeckungen und mehrstufige Operationen verarbeitet werden. Mit unterschiedlichen Aufgabenstellungen ändern sich auch die Anforderungen an die Erfassung von Kameras, Bewegungstrajektorien, taktilen Informationen und Gelenkzuständen.

Diese Inhalte können auf der „Kapazitätsliste“ alle in Stunden umgerechnet werden – aber sie übernehmen nach der Eingabe in das Modell völlig unterschiedliche Funktionen.

Nach Abschluss der Erfassung durchlaufen die Daten die erste Prüfung: Wurde die Aufgabe abgeschlossen? Ist das Bild verdeckt? Ist der Sensor ausgefallen? Können Bilder und Steuerbefehle synchronisiert werden? Wurden Gesichter, Handybildschirme oder Geschäftsgeheimnisse aufgenommen?

Ein Datendienstleister gab an, dass sie derzeit mindestens eine gültige Datenmenge aus drei bis vier erfassten Datensätzen erzielen können – was in der Branche bereits als relativ effizient gilt.

Nach der Bereinigung und Markierung stehen die Daten vor einer noch komplizierteren Hürde: Wenn dieselbe Datenmenge in den Händen verschiedener Unternehmen liegt, können die Prüfergebnisse völlig unterschiedlich ausfallen.

Verkörperte Daten sind eng mit dem Körper des Roboters und der Modellarchitektur verknüpft. Sechsachsige Roboterarme haben andere Freiheitsgrade als siebenachsige, zweifingrige Greifer haben andere Bewegungsräume als fünffingrige geschickte Hände, und die Kameraposition, Sensorkonfiguration, Koordinatensysteme und Steuerfrequenz sind ebenfalls unterschiedlich. Dieselbe Trajektorie kann in einem Unternehmen direkt zum Training verwendet werden, während sie bei einem anderen Roboter oder Modell möglicherweise neu abgebildet werden muss oder sogar völlig unbrauchbar ist.

Daher gibt es für verkörperte Daten mindestens drei Ebenen von Gültigkeitsstandards.

Die erste Ebene ist die Erfassungsgültigkeit: Bestätigung, dass die Aufgabe abgeschlossen ist und die Dateien nutzbar sind. Die zweite Ebene ist die Datensatzgültigkeit: Bestätigung, dass die Daten bereinigt, markiert und ausgerichtet sind und in die Trainings-Pipeline des Kunden eingehen können. Die dritte Ebene ist schließlich die Modellgültigkeit: Nach der Hinzufügung dieser Daten muss sich die Erfolgsrate, Generalisierungsfähigkeit und Fähigkeit zur Fehlerwiederherstellung des Roboters tatsächlich verbessern.

Gegenwärtig werden diese drei Ebenen der „Gültigkeit“ leicht verwechselt. Wenn ein Anbieter 1000 Stunden gültiger Daten liefert, hat er möglicherweise nur die ersten beiden Ebenen erfüllt – aber der Kunde erwartet, dass sich die Fähigkeiten des Roboters entsprechend verbessern.

Dies bestimmt auch, dass verkörperte Daten vorerst kaum wie gewöhnliche Waren gehandelt werden können. Kunden können