人类演示数据

人类演示数据（Human Demonstration Data）是指人类在执行任务时记录下来的视频、动作轨迹、力反馈等数据，用于机器人通过模仿学习（Imitation Learning）来获取技能。在具身智能（Physical AI）领域，由于"Sim2Real Gap"的存在，虚拟仿真无法精确模拟现实世界的软体动力学和噪音，直接从真实世界采集人类演示数据成为训练视觉-语言-动作模型（VLA）的核心数据来源。

采集方法

• 第一人称视角视频：通过头戴式摄像头或智能眼镜录制，提供与机器人未来工作视角一致的训练数据。
• 遥操作：人类通过操控设备远程控制机器人执行任务，记录动作指令。
• 动作捕捉：使用传感器记录人类肢体的精确运动轨迹。

应用

人类演示数据广泛应用于机器人技能学习，如抓取、操作、导航等任务。Micro1 在全球50多个国家采集的家务视频是这一领域的典型案例。