中新经纬4月2日电 (孙庆阳)“尽管人们对机器人的期望值很高，但目前许多机器人在实际应用中却表现得不尽如人意。究其原因，数据的缺失和不足是关键所在。”清华大学交叉学院助理教授、博士生导师许华哲在2025中国生成式AI大会上如是说。
目前，机器人在一些简单动作或直线导航任务中已经取得了显著的进步，但在进行一些高精度动作任务时却显得力不从心。许华哲举例称，抓取一个水壶倒水的动作，就需要大量的、高质量的数据来支持机器人的学习和决策。
许华哲表示，数据对于机器人的重要性不言而喻。以目前主流的深度学习算法为例，它依赖于大量的数据来训练模型，从而让机器人能够更好地理解和执行任务。然而，目前机器人在操作任务中面临的数据问题主要有两个方面：一是数据模态的单一性，二是数据量的不足。
许华哲具体解释称，从数据模态来看，目前许多机器人主要依赖视觉数据来进行操作。但仅仅依靠视觉是远远不够的。例如，当我们抓取一个物体时，触觉反馈是非常重要的。如果我们能将触觉数据与视觉数据相结合，机器人的操作能力将得到极大地提升。事实上，已经有研究团队在这方面进行了探索，并取得了初步的成果。他们通过设计特殊的硬件结构和实验方案，让机器人能够感知到物体的软硬度、表面纹理等触觉信息，并将这些信息反馈给人类操作者，从而实现了更精准的操作。
再从数据量的角度来看，机器人需要大量的数据来进行学习和训练。然而，实际采集数据的过程往往是耗时且成本高昂的。这就导致了机器人在面对新的任务或者环境时，往往缺乏足够的数据来支持其决策。为了解决这个问题，一些研究团队提出了数据生成的方法。通过利用已有的数据，结合一些算法和模型，生成更多的数据来丰富机器人的数据集。这种方法不仅大大降低了数据采集的成本，还提高了机器人的学习效率和泛化能力。
同时，许华哲强调，解决机器人数据问题所带来的商机将会是显而易见。随着机器人在各个领域的应用不断拓展，对于高质量数据的需求也将持续增长。这将为数据采集、处理和分析等相关产业带来巨大的市场空间。例如，开发更高效的触觉传感器、数据生成算法和模型，以及提供专业的数据标注和清洗服务等，都将成为未来市场上的热门领域。
“包括制造服务业、医疗领域和家居场景等，机器人从实验室走向商用的路径已经显现。”许华哲表示，在中国市场，老龄化加速催生的家庭护理需求更为迫切，仅失能老人辅助器具市场就有千亿元潜在规模。那些能率先将触觉数据与视觉导航结合的企业，很可能复制大疆在消费级无人机领域的成功。而站在投资角度看，机器人产业正从“炫技阶段”进入“实用主义时代”。当触觉数据与生成式AI结合，家庭机器人或许真的能完成从“玩具”到“管家”的蜕变。对于敏锐的投资者而言，此刻布局触觉传感器、数据增强软件、垂直场景解决方案，恰似2007年投资智能手机产业链，往往藏着最大的财富密码。(中新经纬APP)
中新经纬版权所有，未经授权，不得转载或以其他方式使用。
责任编辑：张芷菡