訓練員動作大同小異 需平衡「標準」與「可用」

在採訪中，記者發現，「鋼鐵學徒」的煉就之路，遠比想像中更具挑戰，當前行業最核心的困局，就是平衡數據的「標準性」與「可用性」。河南具身智能產業發展公司訓練事業部業務主管陳玥丞坦言，不同採集員對「抓」、「拿」、「放」的理解存在主觀差異，有人習慣用指尖抓取，有人習慣用指腹，若是非標數據過多，「鋼鐵學徒」可能會習得怪異、低效甚至危險的操作習慣，這也是制約機器人技能提升的關鍵。

四重質控保障數據統一

為了幫「鋼鐵學徒」破解這一困局，訓練場制定了統一的原子技能標籤體系，明確界定每個基礎動作的空間路徑、關節角度範圍、力控閾值等參數，還對採集員開展專項培訓，確保動作規範統一。同時，建立「採集—清洗—標註—驗證」四重質控體系，後期會有專人對採集到的數據進行篩選、清洗，剔除抖動、遮擋、越界等無效幀，校驗動作是否符合預設邏輯鏈，確保單條數據合格率達到99%以上。

除數據質量的管控，「鋼鐵學徒」的訓練還有諸多實操難題。陳玥丞告訴記者，機器人抓取易碎物品時的力控柔順性、超過10步連續操作的穩定性、動態環境中的適應性，都是他們長期攻克的重點。「比如在農業場景中，光照變化、地形複雜，都會影響『鋼鐵學徒』的操作精度，我們就通過在採集中覆蓋更多環境變體，增強訓練數據的多樣性，讓它們能適應不同工況。」