今年，从半程马拉松鸣枪开跑到格斗大赛上的硬核开打，人形机器人"火出圈"的背后折射出我国人形机 器人产业的蓬勃发展与技术突破。 然而，从赛场炫技到走进千家万户，人形机器人仍面临重重关卡。业内专家指出，人形机器人要实现在 多元场景的普及，亟待解决数据瓶颈与成本控制两大关键问题。 如何解决数据"卡脖子"问题？ 人形机器人的进化高度依赖数据的"喂养"。从跑马拉松时的"跌跌撞撞"到擂台上实现"鲤鱼打挺"，都体 现了数据的关键驱动作用。业内普遍认为，海量数据训练是人形机器人实现智能化迭代的核心需求。 当前，人形机器人数据远不足以支撑其"智能化"需求。重庆大学教授刘雳宇指出，人形机器人算法需要 大量标注数据进行训练，但是目前数据规模小，高质量数据获取难，大模型泛化能力差，直接导致人形 机器人在语义理解和意图识别等方面受限，影响综合决策能力。 为何人形机器人数据获取如此困难？北京交通大学教授张向宏认为，主要体现在两个方面，在开放环境 无限场景方面，现实世界开放环境中的场景组合近乎无限，但现有数据集覆盖范围极其有限，像跌倒恢 复、非结构化地形行走等关键技能缺乏高质量数据支撑。在文化差异性方面，不同地域的宗教文化、生 活环境等方 ...