点击下方 卡片 ，关注" 具身智能 之心 "公众号 作者丨 Pei Yang等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 在 embodied AI 领域，视觉 - 语言 - 动作（VLA）模型与世界模型的发展虽展现出通用自主能力的巨大潜力，却始终受限于核心瓶颈——大规模、多样化机器人训 练数据的稀缺。现有解决方案要么依赖成本高昂的真实机器人数据采集，要么通过简单叠加机器人部件编辑第一视角人类视频，均无法应对第三人称视频中的全身 复杂动作、动态背景与严重遮挡问题。 新加坡国立大学 Show Lab 提出的 X-Humanoid 框架 ，以 "数据合成 - 模型适配 - 大规模生成" 为核心逻辑，首次实现第三人称人类视频到类人机器人视频的高质量 转化，为机器人训练提供了全新的数据生成范式。 论文题目：X-Humanoid: Robotize Human Videos to Generate Humanoid Videos at Scale 项 ...

机器人行业投资与数据需求 - 机器人领域是当前人工智能最热门的领域之一，被预测将迎来其"ChatGPT时刻" [10] - 截至文章发布时，该领域的风险投资已激增至121亿美元 [10] 机器人训练数据挑战 - 机器人行业面临数据荒，缺乏现成的互联网数据集，必须从零开始在现实世界中生成训练数据 [11] - 真实数据（如通过专业设备记录人类活动或物理数据）质量高但规模有限、成本高 [12][13][14] - 合成数据（如在虚拟环境中生成）成本较低，能实现数据自由，例如NVIDIA Cosmos可生成逼真训练环境 [16] - 为兼顾真实性与规模性，行业普遍采用结合真实与合成数据的策略 [18] 数据服务市场动态 - 数据标注服务商（如Encord、Micro1、Scale AI）高价回收人类执行日常任务（如做家务）的视频作为训练素材 [7] - Encord对高技术性任务视频（如操作设备）提供的报酬最高可达每小时150美元 [19] - Micro1提供的报酬在每小时25至50美元之间 [20] - Scale AI已生成超过10万小时的训练影像 [21] - 有机器人初创公司以每小时10-20美元的报酬征集用户拍摄的家务视频 [23] - 优质数据依然短缺，市场上可购买的最大规模数据集仅约5000小时时长，远不能满足需求 [26]