诺亦腾机器人发布三大核心数据集，预期年产能45万小时

具身智能走出实验室、迈向产业化的当口，一个关键难题浮出水面：机器人训练需要海量、高质量的数据。6月1日，诺亦腾机器人发布了ModalityNet.com数据平台，一口气推出HiPHI-MOV、HiPHI-OM和ITW三大核心数据集。说白了，这套基础设施就是为具身智能模型——无论是企业研发还是学术探索——准备的“数据粮仓”。

那么，为什么具身智能需要一套全新的数据基础设施？如果大语言模型学的是人类语言和知识，具身智能学的则是人类与物理世界打交道的经验。支撑它发展的数据，不能只是视频或者文本——动作、视觉、力/触觉、深度信息、物体状态、场景结构，再加上环境上下文，这些维度的信息得糅合在一起，才能形成完整的“经验包”。

长期以来，人工智能领域最缺的就是这种高质量数据，尤其是那些带有物理信息并且对齐好的数据，更是稀缺资源。某种程度上，这制约了整个赛道的前进步伐。

针对这个痛点，诺亦腾机器人提出了一个面向机器人学习与具身智能研究的四层数据金字塔框架。这个框架的逻辑很清楚：从底层到顶层，数据的具身特异性逐渐降低，但多样性和对真实物理世界的泛化能力却在持续增强。换句话说，越往上走，数据越“通用”，越能应对真实世界的复杂性。

具体到数据产能，ModalityNet.com平台给出的数字相当可观：HiPHI-OM数据集预计每年能产出5万小时，HiPHI-MOV更是达到10万小时。而在受控环境之外的ITW数据集，年产能直接飙到30万小时。这些数据覆盖了不同场景和交互方式，为具身智能训练提供了丰富的“养料”。