摩根士丹利分析師最新報告稱，2024年，中國在全球機器人市場所占份額為約40%。分析師預計，未來四年，中國機器人市場預計以平均每年23%的增幅快速增長，市場規(guī)模將從2024年的470億美元增長至2028年的1080億美元，足足翻一倍有余。

但訓練一臺能靈活抓取豆腐、理解復雜指令的人形以及具身智能機器人，仍面臨“數(shù)據(jù)荒”——要么“食材”（數(shù)據(jù)模態(tài)）種類不全，要么“烹飪過程”（采集管理）過于繁瑣復雜，這使得當前主流機器人模型依賴視覺與關節(jié)數(shù)據(jù)，在精密裝配、柔軟物體操作等需要力反饋的場景中頻頻“翻車”。在IEEE 2024的一項行業(yè)調(diào)研中，提到高達72%的研發(fā)團隊認為多模態(tài)數(shù)據(jù)缺失是當前落地的最大瓶頸。

機器人智能化訓練的核心瓶頸之一在于高質(zhì)量、多維度數(shù)據(jù)的獲取與管理。注意到，6月，國內(nèi)首家實現(xiàn)專項場景超長序列多任務連貫操作機器人公司——零次方行業(yè)創(chuàng)新再突破，正式發(fā)布“全模態(tài)”具身數(shù)據(jù)全鏈路解決方案。

方案涵蓋軟硬件兩大方向，如同打造了一條從“食材源頭”到“美味佳肴”的完整自動化廚房，旨在解決具身智能模型訓練普遍存在的“數(shù)據(jù)模態(tài)缺失、數(shù)據(jù)采集流程繁瑣、任務數(shù)據(jù)管理繁雜、模型訓練推理部署門檻高”等難題。方案完美覆蓋了“全模態(tài)”數(shù)據(jù)采集設備、數(shù)據(jù)采集與管理平臺、模型訓練、模型推理全流程需求，打造了一個從數(shù)據(jù)采集到模型訓練、再到部署應用的完整閉環(huán)工具鏈，同時其起步價定為9.9萬元，將顯著降低數(shù)據(jù)高質(zhì)量高效率獲取門檻，從而推動機器人智能化的發(fā)展。

↑ 解決方案圖示

▍瞄準未來需求，打造高維數(shù)據(jù)基座

當前，具身智能模型正處于快速發(fā)展與探索階段，技術路線正朝著融合更豐富數(shù)據(jù)類型的“多模態(tài)”方向演進。

當下主流方案主要包括以下幾個方面：

?視覺-關節(jié)融合方案（如ACT、Diffusion Policy、DP3等）：通過聯(lián)合嵌入視覺信息與機器人本體感知，利用本體數(shù)據(jù)補償視覺觀測歧義性，提升動作泛化能力，但因缺乏力學反饋，在物理交互密集型任務中適應性不足。

?語義-視覺-關節(jié)融合方案（如Pi0、GROOT等）：引入語義信息（如語言指令/場景描述）增強環(huán)境與長序列任務的理解，結合視覺與關節(jié)狀態(tài)實現(xiàn)多模態(tài)決策，提升復雜任務泛化性。

?視覺-關節(jié)-力聯(lián)合建模（如RDP等）：引入力/觸覺反饋構建物理表征，提升泛精密操作的魯棒性；

對比這些多模態(tài)融合方案可以發(fā)現(xiàn)，更為齊全的模態(tài)架構正成為新趨勢，多個模型都在嘗試通過跨模態(tài)對齊實現(xiàn)環(huán)境-物理-語義的協(xié)同推理。

在此背景下，認為，零次方的全模態(tài)數(shù)據(jù)架構很明顯具備雙重核心優(yōu)勢。

1.維度兼容性：其采集的高維度“全模態(tài)”數(shù)據(jù)可輕松降維，生成任意子模態(tài)數(shù)據(jù)集（例如剝離力觸覺數(shù)據(jù)得到純視覺-關節(jié)數(shù)據(jù)），無縫兼容現(xiàn)有所有主流算法框架的訓練需求。

2.價值持續(xù)性：方案預設了傳感器冗余通道，并通過工具標注對齊多模態(tài)數(shù)據(jù)流，確保當前采集的數(shù)據(jù)能夠持續(xù)服務于未來3-5年可能涌現(xiàn)的新一代具身智能模型，成為支撐長期算法進化的“高維數(shù)據(jù)基座”。

這種前瞻性設計能兼容當下技術生態(tài)、支撐長期算法進化的“高維數(shù)據(jù)基座”。此外，零次方的“全模態(tài)”數(shù)采人形機器人ZERITH-H1，完美兼顧零次方的全模態(tài)數(shù)據(jù)架構設計，實現(xiàn)全模態(tài)數(shù)據(jù)采集與落地，是更加典型面向未來3-5年具身數(shù)據(jù)需求設計的方案。

▍核心硬件：“全模態(tài)”數(shù)據(jù)采集機器人ZERITH-H1

作為解決方案的硬件核心，零次方推出了專為數(shù)據(jù)采集設計的人形機器人ZERITH-H1。它完美體現(xiàn)了“全模態(tài)”架構的理念，成為“全模態(tài)”理念的物理化身。

首先，ZERITH-H1有著“擬人”身體架構，“超人”活動范圍，其上肢結構、自由度設計全部參考人類的身體，并在此基礎上大幅增加關節(jié)的活動范圍，使得其具備超越成年男性的靈活操作空間。

↑ ZERITH-H1 基礎參數(shù)介紹

其次，為應對具身智能模型訓練普遍存在的“數(shù)據(jù)模態(tài)缺失”問題，零次方機器人在Zerith-H1設計階段即整合了各種模態(tài)的傳感器，可實現(xiàn)對二維視覺信息、三維空間信息、關節(jié)信息、力觸覺信息、聲音信息的“完整”模態(tài)信息采集，實現(xiàn)了感知能力升維。

↑ 集成觸覺感知，抓取豆腐等易碎物

值得注意的是，針對于力觸覺感知部分，ZERITH-H1還搭載了觸覺夾爪，集成了高分辨率視觸覺傳感器，實現(xiàn)對抓取力觸覺的精準感知。零次方在視觸覺傳感器方面技術積累深厚，源于清華AI&Robot實驗室。實驗室曾提出過超越人類觸覺感知水平的超光譜視觸覺傳感方案，相關視觸覺成果多次獲ICRA、IROS Best Paper Finalists，多次在T-RO、Soft Robotics、T-MECH等頂級期刊上發(fā)表。

▍便捷軟件：數(shù)據(jù)采集管理加速器

為了讓數(shù)據(jù)采集變得像“玩游戲”一樣簡單高效，同時保障數(shù)據(jù)質(zhì)量，零次方開發(fā)了配套軟件，在硬件之外有了強大的軟件“助手”。

↑ VR遙操演示

例如零次方基于主流vr設備自研了ZERITH-VR APP，以此快速構建物理世界與虛擬世界交互渠道，實現(xiàn)遙操作設備與機器人本體、具身數(shù)據(jù)管理平臺超低數(shù)據(jù)傳輸延時。同時通過“一鍵式”設備連接、“引導式”數(shù)據(jù)采集工作流，幫助用戶快速掌握復雜任務數(shù)據(jù)采集能力，確保數(shù)據(jù)收集質(zhì)量、提升數(shù)據(jù)采集效率。

ZERITH-H1能夠?qū)崿F(xiàn)“孿生式”映射同步感知，將機器人與操作員之間的通訊延遲無限逼近零延遲。設備單次連續(xù)運行時間超過4小時，能滿足長時間、高質(zhì)量的數(shù)據(jù)采集需求。

↑ ZERITH-VR APP界面

針對數(shù)據(jù)采集任務多樣、采集流程繁雜、數(shù)據(jù)管理及可視化等需求，零次方還自研具身數(shù)據(jù)管理平臺用于數(shù)據(jù)全流程管理，依托自身開發(fā)模型的經(jīng)歷，通過數(shù)萬次的數(shù)據(jù)采集與測試，不斷測試數(shù)據(jù)管理平臺易用性，現(xiàn)正式對外推出具有：對具身任務數(shù)據(jù)分類、清洗、標注、檢索等模塊化高易用性的具身數(shù)據(jù)采集管理平臺，能幫助用戶將采集到的原始“多元數(shù)據(jù)”高效轉化為“即用型訓練燃料”。

↑ 具身數(shù)據(jù)采集流程

▍集成高效訓練與部署工具鏈：加速訓練與場景落地

為了讓用戶能快速將數(shù)據(jù)應用于模型訓練和實際部署，零次方這套解決方案還集成了強大的工具鏈。

零次方數(shù)據(jù)平臺設計兼容主流開源算法框架的標準化接口（如ACT、Diffusion Policy、DP3等）；數(shù)據(jù)接口兼容對基座模型（Pi0、GROOT、ZERITH-V0等）的后訓練（LORA、Fine tuning、RL等），提供符合許可證要求的快速訓練接入能力。

在模型訓練過程，零次方深度集成AI訓練工具Swanlab，實現(xiàn)對模型訓練的全過程記錄、實時監(jiān)控、數(shù)據(jù)可視化與批量實驗分析，幫助用戶科學調(diào)參、管理歷史訓練實驗數(shù)據(jù)，高效迭代自己的具身智能模型。

↑ 訓練過程可視化監(jiān)控與記錄

在模型推理上，機器人可選配最高500TOPS算力的主機，結合優(yōu)化后的易用部署框架，顯著提升模型推理效果，實現(xiàn)流暢、精準的動作執(zhí)行，確保智能模型在真實場景中能快速落地并展現(xiàn)優(yōu)異性能。

▍結語與未來

整體而言，零次方的“全模態(tài)”具身數(shù)據(jù)全鏈路解決方案，通過創(chuàng)新的ZERITH-H1硬件采集平臺、易用的VR操控與數(shù)據(jù)管理軟件，以及深度集成的訓練推理工具鏈，在業(yè)內(nèi)率先構建了一個“從數(shù)據(jù)到動作”的完整閉環(huán)。它直擊機器人智能化訓練中數(shù)據(jù)模態(tài)缺失、采集繁瑣、管理復雜、訓練部署門檻高的核心痛點，以高維、兼容、可持續(xù)的數(shù)據(jù)基座，為當下及未來的具身智能模型研發(fā)提供了強大的基礎設施支撐。

隨著中國智能制造對柔性機器人的需求激增，數(shù)據(jù)供給能力正成為競爭分水嶺。零次方通過將全模態(tài)采集設備、VR交互平臺與訓練工具鏈深度耦合，首次讓中小廠商能以低于10萬元的投入獲取實驗室級數(shù)據(jù)資源。

正如有專家所言：“誰掌握高質(zhì)量具身數(shù)據(jù)流，誰就握緊了下一代機器人進化的閥門。”這場數(shù)據(jù)平權革命，或?qū)⒅貥嬋藱C協(xié)作的產(chǎn)業(yè)地圖。