近期，国外媒体开始广泛关注一种在中国逐渐兴起的新工作模式。

在近期《连线》（WIRED）的一则报道中，记者亲赴深圳初创公司IO-AI Tech进行探访，并记录下了这样一幕场景：工人们头戴VR眼镜，身穿动作捕捉设备，借助体感操作的方式远程遥控人形机器人完成叠衣服以及理货架等任务。这并非一场简单的技术展示，而更像是一次中国在人形机器人赛道上，试图用“人类经验”来训练“物理AI”的产业实验。

以下，是对该报道的深度编译以及解读。

在中国深圳，工人们借助虚拟现实（VR）眼镜、手动控制器以及身体传感器，通过远程操控的方式，来驱动人形机器人模拟商店、工厂以及家庭环境中的日常工作。

操作者所做出的每一个动作，都会被转化为数据，这些数据用于训练物理人工智能系统。这一领域旨在教导机器对物体、表面、平衡、力度进行处理，并应对现实中的各种状况。

在这种模式下，工人不仅借助机器来执行各项任务，还协助建立相关的数据库，从而为提升未来机器人系统的自主性提供支持。

遥操作借助手势捕捉技术将人类手势转化为数据。

为了实现对机器人的有效控制，操作员需要先装备头戴式显示器、手持控制器或动作追踪手套等设备，从而与机器人系统建立连接。随后，操作员便可以从机器人的第一人称视角来观察周遭环境，并通过同步移动自身的手臂、双手以及双腿，来对机器人进行远程操控。

借助于此种第一人称的操控视角，操作者得以完成诸如拾取、整理货架以及各类物品操控等任务。他们会在专门搭建的模拟场景中反复执行这些动作，目的是对真实世界的工作场景进行高保真的模拟复现，从而为机器人收集到尽可能贴近现实情况的高质量训练数据。

据IO-AI Tech介绍，其TeleXperience平台允许用户对多种机器人配置进行远程控制，并收集高精度的实时数据，用于支持人形机器人、机械臂以及机械手的训练工作。

该技术并不单纯是一种远程控制手段，它同时还会对视觉信息、力度反馈、伸展范围、操作姿态以及物体反应等多维度数据进行采集与记录，这些数据构成了人工智能从物理体验中开展自主学习所不可或缺的核心要素。

在WIRED报道的一次技术演示中，操作员在一个专门搭建的模拟公寓空间内，对宇树科技的人形机器人实施远程操控。该模拟公寓内配置了家具、衣架以及各类日常用品。当操作员行走并移动身体时，该机器人便会实时跟随其动作，从而得以执行诸如从衣架上取下衣物并进行折叠等任务。

为什么叠衣服对于机器人来说仍然很难？

对于人类而言看似轻而易举的任务，比如将一件T恤整齐叠好，或是从货架上精准取下盒子，则需要机器人去完成一系列尚需精确学习与掌握的动作调整。

在这些活动中，机器需要对力度进行计算，对距离进行解读，维持平衡状态，并对姿态进行纠正；并且在物体移动位置或出现意外反应时，机器会调整其动作。

柔性物体会显著增加操作过程的复杂性，这是由于织物在与机械手每次接触时，都会发生折叠、滑落、产生褶皱以及形状改变等多种变化。

因此，操作员的存在对于降低训练过程中的错误起到了关键作用，他们能够随时对机器人的动作实施纠正，从而引导机器人去应对那些事先无法预料到的状况。

此外，人体与机器人本体之间的固有差异也带来了持续调整的需求。这主要是因为操作员与远程执行者之间在身高、体重、臂展以及平衡能力的差异往往并不相同，因此，必须对所执行的控制映射进行持续的校准与调整。

WIRED的报道也提到，该初创公司的系统需要将人类指令与一定程度的自主性相结合，从而使得机器人动作能够根据不同形状、尺寸和重量的物体进行适应。

与那些运用大量文本、图像以及视频数据开展训练的数字模型有所不同，人形机器人则需要在与环境直接交互的过程中生成相应的数据。

对于物理机器人而言，仅仅借助视觉传感器进行识别并确认目标物体（如一个盒子或一件T恤）是远远不够的，因为实际任务还需要它准确掌握接触的位置、施加的力度大小，并能够对接触时产生的交互进行相应调整。

此时，工人所承担的角色与传统工业操作有所不同，其动作逐步成为了系统学习过程的一部分。

在对机器人进行远程操控以执行即时任务的过程中，操作员还能够同步生成可供重复使用的数据记录，这些记录将被用于进一步开发与训练，从而打造出具备更高自主性、对人类干预依赖程度更低的机器人系统。

IO-AI Tech还推出了SenseXperience和EmbodiFlow，前者专注于捕捉现实世界中的人类数据，后者则专注于多模态数据的收集、标注、可视化和后处理。

人形机器人的技术进展，不仅建立在电机与传感器等硬件的基础之上，更关键的是依赖于大量经过系统组织的物理操作示例，而这些示例正是为嵌入式人工智能模型提供训练所必需的。

深圳是机器人、传感器与样机的聚集地。

深圳之所以适合开展这类实验，原因在于该城市聚集了制造商、零部件供应商、硬件公司，以及能够对样机进行快速调整的初创企业。

在该工业生态系统内，零部件、传感器以及结构部件均能够在短周期内完成调整与改造，这种快速适应能力有助于远程操作系统与不同机器人型号之间实现有效整合。

WIRED报道称，IO-AI Tech正与当地制造商开展合作，致力于成功实现手动工序的自动化，这些工序涵盖了与服装行业以及零部件处理相关的活动。

报道中提及的案例之一，是中国的缝纫设备制造企业杰克科技股份有限公司，该公司参与了旨在培训双臂机器人完成诸如衣物熨烫等日常任务的项目实施工作。

在零售领域，该技术亦曾在一家中国连锁便利店内开展了应用测试。操作员借助头戴式显示器以及手持控制器，完成了对药品的取装作业。

该系统通过同步进行操作员的实时控制与相应的数据收集工作。它会记录物体在三维空间中的位置信息、机器人手臂的运动范围与伸展极限、环境的第一人称视觉图像，以及操作员为完成特定任务所执行的一系列连贯动作。

机器人离不了人，目前还不行

尽管致力于推动机器人实现更高程度的自主性，但遥操作技术的研究与实践表明，在面对复杂且不可预测的环境时，众多人形机器人在执行操作任务的过程中，仍然有赖于人工监督与介入。

工厂、商店以及家庭空间，其内部环境皆围绕着人类身体的尺寸与活动方式而设计。其中的走廊布局、货架设置、家具摆放乃至各类工具，都对机器人系统的机动性、感知能力以及持续适应环境的能力提出了明确要求。

因此，人形机器人凭借其支持机器在现有空间中运作而无需彻底改造环境的能力，引起了那些旨在减少环境重构需求的公司的关注。

尽管如此，通往自主性的过程仍然包含了数百万次被捕捉、修正并转化为数据的操作，而工人在此过程中则扮演着连接当前机器与未来系统之间的桥梁角色。

对于当前阶段的物理机器人而言，其工作的意义不仅体现为对当前所执行具体任务的完成，更在于将这些操作过程中产生的数据与经验，系统性地融入并记录下来，从而为新一代机器人的训练与迭代提供至关重要的数据基础。

注：本文编译自作者Alisson Ficher 的《In China, Workers Use VR Goggles and Body Sensors to Train Humanoid Robots for Tasks Like Folding Clothes and Stocking Stores》

原文链接：https://en.clickpetroleoegas.com.br/in-china-workers-use-vr-goggles-and-body-sensors-to-train-humanoid-robots-for-tasks-like-folding-clothes-and-stocking-stores-afch/

文 / Vivi

（文中未注明图片均来自网络）

外媒热议中国机器人“新工种”：当工人戴上VR，人形机器人学会叠衣服了

近期，国外媒体的关注焦点逐渐转向了一种在中国新兴的工作模式。《连线》（WIRED）杂志近期的一则报道，详细记述了其记者前往深圳初创公司IO-AI Tech的探访过程。报道中呈现了这样一个场景：工人借助VR眼镜与动作捕捉设备，通过体感操控的方式，远程遥控人形机器人完成整理货架与折叠衣物等任务。这并非一次单纯的技术演示，而更像是一次产业实验。它旨在探索中国如何在人形机器人领域，尝试用“人类的操作经验”来训练“物理人工智能”。

以下，我们将对该报道的核心内容进行编译与深度解读。

在深圳，工人正运用VR眼镜、手动控制器以及身体传感器，通过远程操控来驱动人形机器人，模拟在商店、工厂及家庭环境中的日常工作流程。操作者做出的每一个动作都被转化为数据，用于训练物理人工智能系统。这一领域旨在教导机器如何处理物体、表面，如何维持平衡与施力，以及如何应对现实世界中的各种复杂状况。

在此模式下，工人不仅借助机器执行具体任务，更协助建立了相关的训练数据库，从而为提升机器人系统未来的自主性提供了关键支持。

具体而言，遥操作技术借助手势捕捉技术，将人类的手势转化为可供机器学习的数据。为了实现有效控制，操作员需要先装备头戴式显示器、手持控制器或动作追踪手套等设备，与机器人系统建立连接。随后，操作员便可以从机器人的第一人称视角观察环境，并通过同步移动自身的手臂、双手及双腿，来远程操控机器人。

凭借这种第一人称的操控视角，操作员得以完成诸如拾取物品、整理货架以及各类精细操作。他们会在专门搭建的模拟场景中反复执行这些动作，以高保真度模拟真实工作场景，从而为机器人收集尽可能贴近现实的高质量训练数据。

据IO-AI Tech介绍，其TeleXperience平台允许用户对多种机器人配置进行远程控制，并收集高精度的实时数据，以支持人形机器人、机械臂及机械手的训练工作。该技术不仅是一种远程控制手段，同时还会采集视觉信息、力度反馈、伸展范围、操作姿态及物体反应等多维度数据。这些数据构成了人工智能从物理交互中开展自主学习所不可或缺的核心要素。

在《连线》报道的一次演示中，操作员在一个模拟公寓空间内，对宇树科技的人形机器人实施远程操控。该公寓内配置了家具、衣架及各类日常用品。当操作员行走并移动身体时，机器人会实时跟随其动作，从而执行诸如从衣架上取下衣物并进行折叠等任务。

对于人类而言看似轻而易举的任务，例如整齐地叠好一件T恤或精准地从货架上取下一个盒子，则需要机器人完成一系列尚需精确学习与掌握的动作调整。这些活动要求机器人计算力度、解读距离、维持平衡并纠正姿态。并且，当物体移动位置或出现意外反应时，机器人需要调整其动作。柔性物体（如衣物）会显著增加操作的复杂性，因为织物在与机械手接触时会发生折叠、滑落、褶皱及形状改变等多种变化。

因此，操作员的存在对于降低训练过程中的错误起到了关键作用。他们能够随时纠正机器人的动作，引导其应对事先无法预料的状况。此外，操作员与机器人本体之间在身高、体重、臂展及平衡能力等方面往往存在固有差异，因此必须对控制映射进行持续的校准与调整。

《连线》的报道也指出，IO-AI Tech的系统需要将人类指令与一定程度的自主性相结合，使得机器人动作能够根据不同形状、尺寸和重量的物体进行适应。与那些运用大量文本、图像及视频数据进行训练的数字模型不同，人形机器人需要在与环境直接交互的过程中生成所需的数据。

对于物理机器人而言，仅仅借助视觉传感器识别目标物体（如一个盒子或一件T恤）是不够的。实际任务还需要它准确掌握接触的位置、施加的力度大小，并能够对接触时产生的交互进行相应调整。此时，工人承担的角色与传统工业操作有所不同，其动作逐步成为了系统学习过程的一部分。在远程操控机器人执行即时任务的过程中，操作员还同步生成了可供重复使用的数据记录。这些记录将被用于进一步开发与训练，从而打造出具备更高自主性、对人工干预依赖程度更低的机器人系统。

IO-AI Tech还推出了SenseXperience和EmbodiFlow。前者专注于捕捉现实世界中的人类数据，后者则专注于多模态数据的收集、标注、可视化和后处理。人形机器人的技术进展，不仅建立在电机与传感器等硬件基础之上，更关键的是依赖于大量经过系统组织的物理操作示例，而这些示例正是为嵌入式人工智能模型提供训练所必需的。

深圳之所以适合开展这类实验，原因在于该城市聚集了制造商、零部件供应商、硬件公司，以及能够对样机进行快速调整的初创企业。在该工业生态系统内，零部件、传感器以及结构部件均能够在短周期内完成调整与改造，这种快速适应能力有助于远程操作系统与不同机器人型号之间实现有效整合。

《连线》报道称，IO-AI Tech正与当地制造商开展合作，致力于实现手动工序的自动化。这些工序涵盖了与服装行业以及零部件处理相关的活动。报道中提及的案例之一，是中国的缝纫设备制造企业杰克科技股份有限公司。该公司参与了旨在培训双臂机器人完成诸如衣物熨烫等日常任务的项目。在零售领域，该技术亦曾在中国一家连锁便利店内开展了应用测试。操作员借助头戴式显示器及手持控制器，完成了对药品的取装作业。

该系统通过同步进行操作员的实时控制与相应的数据收集工作。它会记录物体在三维空间中的位置信息、机器人手臂的运动范围与伸展极限、环境的第一人称视觉图像，以及操作员为完成特定任务所执行的一系列连贯动作。

尽管致力于推动机器人实现更高程度的自主性，但遥操作技术的研究与实践表明，在面对复杂且不可预测的环境时，众多人形机器人在执行操作任务的过程中，仍然有赖于人工监督与介入。工厂、商店以及家庭空间，其内部环境皆围绕着人类身体的尺寸与活动方式而设计。其中的走廊布局、货架设置、家具摆放乃至各类工具，都对机器人系统的机动性、感知能力以及持续适应环境的能力提出了明确要求。

因此，人形机器人凭借其支持机器在现有空间中运作而无需彻底改造环境的能力，引起了那些旨在减少环境重构需求的公司的关注。尽管如此，通往自主性的过程仍然包含了数百万次被捕捉、修正并转化为数据的操作，而工人在此过程中则扮演着连接当前机器与未来系统之间的桥梁角色。

对于当前阶段的物理机器人而言，其工作的意义不仅体现为对当前所执行具体任务的完成，更在于将这些操作过程中产生的数据与经验，系统性地融入并记录下来，从而为新一代机器人的训练与迭代提供至关重要的数据基础。

来源：外媒热议中国机器人“新工种”: 当工人戴上VR，人形机器人学会叠衣服了 | OFweek机器人网