额头戴摄像头，为 AI 训练人形机器人
由于特斯拉、Figure AI 等企业争相研发人形机器人，导致训练所需的现实世界动作数据变得极度匮乏。为此，硅谷公司 Micro1 在全球 71 个国家招募了约 4000 名工人，每月收集超过 16 万小时的视频素材。每人每周需提交至少 10 小时的录像，并轮流执行各类任务。Scale AI 和 Encord 也在组建各自的数据采集团队，而 DoorDash 计划在 2026 年 3 月推出 Tasks 应用，让旗下外卖员在家录下家务视频，不过排除了隐私法律严苛的州。这项工作的具体执行方式，比听起来还要怪
均胜电子深耕工厂实训 助力机器人工业场景落地
北京亦庄机器人马拉松活动结束，资本市场对机器人的关注热度再次高涨！人形机器人赛道加速奔跑，能够流畅通过90度急转弯、下坡以及避让行人，体现了国产机器人在运动控制和能源续航方面的进步。但在产业界看来，街头跑道上的技术演示仅仅是起点，如何让机器人真正进入生产环节、创造实际价值，才是目前行业亟需解决的核心难题。 业内普遍认为，机器人行业将沿着“专用场景—跨专用场景—通用场景”的发展路径演进，工业制造被视为落地最快的领域之一。然而，当前机器人训练多基于模拟环境，难以还原真实工业环境中的复杂变量与动态工况，致使机器
城市管理中心举办智慧化AI信息采集业务培训
4月21日下午，为切实提高城市管理智能化、精细化程度，增强全体人员业务素养，中心组织全体坐席人员和一线信息采集员开展AI智能采集专业业务培训，帮助全员熟练运用智慧城管工作流程，努力实现城市管理“看得见、管得快、全覆盖”。本次培训涵盖项目基本情况、智能采集基本情况、运行成效、常见城管问题示例、运行中的不足和改进等方面，工作人员深入讲解了我市巡查网格覆盖规范、AI智能采集车、采集二轮车智能采集模式、巡查流程及智能算法应用，明确设备巡查范围、识别标准与高效作业要求，解决背街小巷等巡查盲区问题，弥补传统巡查不足，
Meta监控员工操作数据以强化AI模型训练
Meta公司正为美国员工的办公电脑部署新型监控软件，旨在采集鼠标轨迹、点击行为及键盘输入数据，用于优化其人工智能模型的训练过程。 根据内部备忘录透露，这款被称为"模型能力计划"的监控工具将在各类工作应用程序和网络平台上持续运行，并会定期抓取员工屏幕截图以提供背景信息。该备忘录由Meta超级智能实验室团队的AI研究科学家在内部频道发布。 备忘录强调，此举是为了弥补公司在模型开发中的薄弱环节，包括优化下拉菜单选择和键盘快捷键操作等功能。“全体Meta员工都能通过日常工作帮助我们的模型实现优化升级，”备忘录写道
Meta拟在美员工电脑部署监控软件 以提升AI模型性能
据该媒体获悉的一份内部备忘录显示，Meta计划在美国员工的办公电脑中部署一种新型的监控程序，旨在记录用户的鼠标轨迹、点击动作及键盘输入，从而为人工智能模型的训练提供数据支持。 此类监控工具将在一系列与工作内容紧密相关的应用程序及网页上运行。 根据备忘录内容，该工具还会定期截取员工屏幕的画面，以便为系统提供更具体的上下文信息。 采取这一行动的主要目标是协助公司优化模型，特别是在处理下拉菜单选择和键盘快捷键使用等仍不完善的环节。 Meta发言人Andy Stone回应称，收集到的数据不会用于绩效考核，也不会用
TGS续签美国墨西哥湾区域海底节点采集多年协议
数据与情报服务提供商TGS日前宣布，已成功延续其在美国墨西哥湾地区开展的专有海底节点采集多年期服务合约。根据TGS披露的信息，该海底节点采集合约续期期限为三年。TGS首席执行官Kristian Johansen就此表示：“这份来自美国墨西哥湾地区核心生产商及战略合作伙伴的长期合作延续，充分体现了我们坚持创新驱动与卓越品质的核心理念，同时也证明了我们在行业需求不断演变背景下的灵活适应能力。”“我们将通过持续提升服务质量，以及对安全、环保作业的不懈坚持，继续助力行业充分释放现有油气资源的开发潜能。”
海量真实数据驱动人工智能飞跃
人工智能的飞跃，必须依托于庞大的真实数据资源。冬哥家发起了有史以来最大规模的民用数据收集计划，号召大家共同参与机器人的训练工作。无论是家庭生活、餐饮制作、零售服务还是办公环境，都可以进行拍摄，用最真实的影像帮助机器人学会理解人类世界。参与门槛极低，无需任何专业技能，时间灵活，只需利用空闲时间就能完成工作。这不仅支持国家AI科技的进步，还能为自己带来一份稳定的兼职收入，操作简单且收益丰厚，是目前极具前景的灵活就业新途径。#AI #人工智能 #机器人学习 #副业增收 #智能时代 河北 , 2小时前 ,人工智能
AI感知世界的设备能有多轻巧？京东交出220克答卷
AI设备要“洞察”世界需多轻便？京东揭晓：仅220克。在新近推出的具身智能基础架构中，其自主研发的采集终端JoyEgoCam备受瞩目。该可穿戴式第一视角摄录装置，搭载4K超清镜头、130°广阔视野及60fps高帧速，能够毫秒间捕获动作精微之处；辅以高精度空间校准技术与车规级防抖感应器，即便在复杂环境中仍可稳定传输优质影像。轻巧、稳健、精准的特性，使专业数据采集摆脱了对笨重器械的依赖，普通用户也能轻松佩戴加入。从根本上优化数据品质，削减研发开支，京东凭借硬件层面的革新为具身智能领域突破核心瓶颈，助力机器人加
智能科技驱动设备运维新变革
当前，传统粗放管理模式正逐步成为阻碍技术进步的隐性束缚。科研机构及企业研发团队经常陷入这样的难题：珍贵资产的运维仍然依托人工登记与周期性巡检，效率不高不说，当设备突发故障时响应迟缓，难以确保关键仪器的稳定运行？工作人员操作中的不规范行为潜藏重大风险，却难以实现有效监管？此外，“数据孤岛”现象正导致研发管理失去方向。各式设备、信息技术系统与能源网络之间缺少必要关联，数据难以共通，致使管理层难以形成整体性认知。尤其是大量缺少网络联接功能的老旧仪器，成为数字化转型的灰色地带，宝贵的测量数据无法被系统直接采集。而
大规模数据采集引热议，相关职业会被智能设备取代吗？京东表态
新浪科技讯 4月16日晚间消息，今日，在京东具身智能生态发布会上，京东发布JoyEgoCam超高清采集终端。据介绍，其也是全球首个覆盖“采、存、标、训、评、仿、测”全链路的具身智能数据基础设施。今年3月，京东宣布正在开展人类历史上规模最大数据采集行动，计划两年内真实场景视频数据突破1000万小时。 但随着大规模数据采集的推进，是否意味着参与数据采集或相关重复性劳动的岗位，未来可能面临被机器人(15.010, 0.16, 1.08%)替代的风险？或者加速这些岗位被机器人替代的进程？ 京东集团副总裁、京东云基
京东阐释大规模数据采集动因：助推具身智能产业生态走向成熟
新浪科技讯 4月16日晚间消息，今日，在京东具身智能生态发布会上，京东宣布在全球首推覆盖“采、存、标、训、评、仿、测”全链路的具身智能数据基础设施，自研超高清采集终端JoyEgoCam、具身大模型JoyAI-RA、具身智能数据交易平台等均亮相。 今年3月，京东宣布正在开展人类历史上规模最大数据采集行动，计划两年内真实场景视频数据突破1000万小时。 为何要开展如此大规模的数据采集行动？在沟通会上，京东集团副总裁、京东云基础云业务总经理向新浪科技等回应表示，“京东在做这件事的初衷不是要产生多少收入，而是希望
觅蜂科技推出物理AI数据服务平台，目标年产能千万小时
新浪科技4月16日消息，智元集团旗下的觅蜂科技今日正式对外发布，推出了一站式物理AI数据服务平台。针对当前行业面临的物理AI数据严重短缺、标准不统一等难题，觅蜂科技以“汇聚全球数据，赋能人工智能”为愿景，致力于构建服务于具身智能的数据平台基础设施。该平台整合了硬件、软件平台及运营全链条，实现了真机远程操控、无需本体采集以及仿真数据全模式覆盖。 觅蜂科技的董事长兼首席执行官姚卯青指出，该平台拥有“全面、优质、高效”的数据供给能力，目标是让高质量数据如同水电资源一样方便获取和使用。凭借其贯穿全程的质量控制体系
京东推出具身智能全链路数据新终端
新浪科技报道，4月16日下午，京东在今日举行的具身智能生态大会上，正式推出了JoyEgoCam超高清采集设备。据称，这是全球首套贯通“采集、存储、标注、训练、评估、仿真、测试”全流程的具身智能数据基础设施。涵盖从原始数据采集到大规模并行训练，再到仿真验证与合规流转，京东云致力于数据提纯，推动模型在物理世界快速迭代。 早在今年3月，京东便启动宣称史上最大规模的数据采集工程，目标在24个月内获取超千万小时的真实场景视频素材。（记者闫妍）
特斯拉与OpenAI机器人数据路径分化：8000平场内工厂+场外Ego众包双轨并行
新智元报道为何机器人仍难以胜任家务劳作？并非因其不够「智能」，而是因为——它尚未「成长」。人类仅用数年时光，便通过数百万次真实交互掌握动作与决策，而机器人，却需从数据中「补习」。2026年，Physical AI真正的瓶颈，不在算法，亦不在算力，而在于一个更为现实的问题：谁能以最优成本，产出最多、最真实的训练数据？2024年，特斯拉与OpenAI在机器人数据采集领域，走出了两条截然不同的道路。特斯拉选择重资产路径，借助动作捕捉服与虚拟现实头显，以高昂的遥操作设备获取高精度数据；OpenAI则押注低成本机械
揭秘人形机器人的'成长课堂'
3月17日，位于北京石景山区的具身智能触觉与多模态感知数据训练创新中心内，技术人员正对机器人开展训练工作。即将于3月25日启幕的2026中关村论坛年会将展示众多高智能机器人。这些类人机器人何以日益聪慧？本报记者实地探访北京的人形机器人数据训练基地，揭秘机器人在"智能学堂"中的训练过程。该训练基地内，机器人正围绕工业制造、智能家居、商用服务等各类场景展开数据收集，为相关技术研发夯实数据基础。操控人员在此引导机器人执行各类预设任务，积累大量行为数据，持续优化机器人"智慧中枢"。不久的将来，这些机器人将广泛应用