当前位置: 首页 > news >正文

京东宿迁具身智能数据采集社区启运:以真实数据破局产业瓶颈,传感器筑牢感知底座

5月20日,京东宣布全国首个具身智能数据采集社区在江苏宿迁湖滨新区投入运行,这是继今年3月京东宣布启动人类历史上规模最大具身智能数据采集行动后的关键落地举措,标志着我国具身智能从实验室研发迈向规模化真实数据采集的产业化新阶段。该社区由京东与宿迁市联合打造,依托大规模民用场景与全民参与模式,破解长期制约具身智能发展的高质量真实数据供给不足难题,为全球具身智能产业提供可复用的中国方案。

按照京东规划,项目将在两年内完成1000万小时真实场景视频数据采集,首年目标500万小时,同步采集100万小时机器人本体运行数据,打造全球领先的具身智能真实场景数据集。为达成这一目标,京东计划动员内部超10万名员工、外部50万各行业从业者,仅宿迁一地就将发动超10万市民参与,覆盖家庭、办公、工厂、物流、商超、环卫、养老、农田等超百个细分场景,让普通民众在日常劳动中成为 AI 模型的“数据教练”。

图片来源:https://mp.weixin.qq.com/s/HMoAwYJ_TsXj08Vqu6Sfww

在这一场被称为“人类历史上规模最大数据采集行动”的背后,一个核心的产业逻辑逐渐清晰:当大模型拥有了“大脑”,传感器就是它探索物理世界的“手”与“眼”。没有高精度的传感器,就没有高智能的机器人。

走进宿迁的具身智能数据采集社区,景象颇为壮观且充满生活气息。在这里,“AI训练师”不再仅是穿着西装的程序员,而是穿行在养老院、农田和服装厂的普通人。

在协议框架下,一位果农在猕猴桃园进行绑枝作业时,头戴的采集终端会记录下手眼协调轨迹与农具握持的力学数据;一位养老院护工在协助老人起身时,机器记录的是人体工程学交互数据;而在千家万户中,宝妈们擦桌子、叠衣服的日常,则成了机器人理解“通用泛化操作”的最佳教材。

这一模式的核心突破在于解决了“数据坍缩”问题。此前,机器人往往在实验室由工程师遥操作采集数据,成本极高且缺乏真实场景的随机性。京东此次部署的第一人称视角(Ego-centric)采集方案,通过海量真实的“人本数据”,让AI学习人类在物理世界中的统计规律。据统计,这种模式下的单人日均数据产出可达8小时以上,采集成本降至百元/小时级别,而传统遥操作方案每小时成本甚至可突破万元。

随着数据规模的指数级增长,具身智能产业面临着一个更深层的拷问:我们到底在采集什么?

行业共识是,具身智能不同于传统AI。传统大模型可以通过爬取互联网文本和图像进行训练,那是“读万卷书”;而具身智能必须“行万里路”,它需要的是物理世界绝对坐标系下的精确测量数据,包括惯性、力反馈、触觉等多模态信号。

这就引出了具身智能产业链中那只看不见的手——传感器技术。

正如业内专家所言,传感器是机器人的“五官”与“皮肤”。如果说京东构建的数据湖是机器人的“记忆”,那么传感器就是决定这段“记忆”是否真实、是否可用的唯一入口。传感器的精度、维度与可靠性,直接决定了机器人从L1(特定任务)向L2(组合任务)跨越的极限。

在宿迁采集社区的真实场景中,传感器的重要性体现得淋漓尽致:

  • 在工业场景:如果仅靠视觉,机械臂无法感知“拧螺丝”时的扭矩变化,极易损坏工件;
  • 在家庭场景:机器人必须通过六维力传感器感知端起水杯的力度,否则水杯会被捏碎或滑落;
  • 在移动场景:高精度的IMU(惯性测量单元) 和激光雷达是机器人在复杂地形保持平衡与导航的基础。

为了应对这种高标准的感知需求,全球传感器产业正向着微型化、高集成度、多模态融合的方向演进。

面对具身智能数据采集对 3D 感知的严苛需求,洛微科技推出DM系列与DM-SE系列 iToF RGBD深度相机,以全局快门 iToF 技术为核心,针对真实场景采集、动态动作捕捉、大规模部署三大痛点优化,成为具身数据采集的优质硬件选择,兼顾专业精度与产业化可行性。

DM系列3D相机:旗舰级高精度动态采集方案

DM 系列定位高端场景,面向需要毫米级精度、高帧率动态捕捉的具身数据采集需求,核心优势集中在四方面:

  • 硬核硬件配置,支撑高精度采集:采用Sony IMX570深度传感器与面阵VCSEL光源,集成RGB、ToF、IMU多模态感知,测距范围覆盖0.2–10m,在0.1–1m机器人核心作业区间精度可达±3mm,深度准确度≤0.25%×depth,完美还原手部精细操作、小型物体交互等细节。
  • 高算力+高帧率,适配动态场景:支持56fps高速深度采集,搭载6TOPS本地算力,可实时处理点云数据与多模态融合,消除快速动作中的运动拖影、深度畸变,确保擦桌子、缝纫、采摘等连续动作数据完整不失真。
  • 微秒级同步,保障数据有效性:四模态硬件同步时间误差小于1ms,系统延时低于10ms,实现视觉、深度、位姿数据精准对齐,避免时序错位导致模型训练失效,满足具身数据对同步性的极致要求。
  • 多场景适配,覆盖复杂环境:针对户外强光、室内弱光、物体反光等采集痛点优化,具备强环境抗干扰能力,可稳定应用于家庭、农田、工厂、养老院等的全场景采集任务。

DM-SE系列3D相机:工业级高性价比规模化部署方案

DM-SE 系列聚焦大规模民用采集场景,在保留核心精度的基础上,优化体积、功耗与成本,核心优势突出:

  • 紧凑化设计,轻量化部署:机身小型化、低功耗,可轻松集成于头戴式、腕戴式、手持采集终端,不增加采集员负担,支撑长时间日常采集。
  • 均衡性能,满足通用场景:支持30fps深度帧率,搭载1TOPS本地算力,核心作业区间精度保持±3mm,可覆盖家务、办公、普通工业工位等绝大多数场景的采集需求,平衡成本与性能。
  • 高可靠性,支撑规模化运营:采用工业级元器件,满足7×24小时连续工作要求,故障率低、维护成本低,适配超百万人、千万小时量级的长期采集任务,符合产业化数据采集的成本可控需求。
  • 标准化接口,易集成开发:提供标准化SDK与数据接口,可快速对接数据采集平台、标注系统、模型训练框架,降低硬件集成与系统开发门槛,加速采集方案落地。

无论是DM系列还是DM-SE系列3D相机,其高精度3D数据,相当于为物理世界建立了一把“数字标尺”,让AI读懂了“距离”和“形状”的物理含义。

回看京东在宿迁的布局,这不仅仅是一个企业的商业行为,更是中国构建具身智能基础设施的关键落子。从数据采集到数据标注再到模型训练,传感器贯穿了全链条。

随着2025-2026年具身智能投融资热度的持续攀升,行业已经认识到:算法可以开源,算力可以购买,但高质量、高维度的物理世界数据,只能通过“硬碰硬”的传感器去获取。谁能提供更精准、更稳定、更具性价比的感知方案,谁就能在这场物理世界的AI革命中,占据最底层的生态位。

http://www.jsqmd.com/news/864554/

相关文章:

  • 5分钟学会免费备份微博:Speechless插件完整使用指南
  • 预测未来--Herry
  • 一眸科技 | 情感认知智能,让AI更懂人心
  • CATLASS 算子开发:AICore 抽象硬件架构
  • 终极AI音乐创作工具:5分钟生成专业级歌曲翻唱
  • 免费获取B站4K超清视频:解锁大会员专享内容的完整方案
  • IDEA 中 Build、Maven、Run 三者的本质区别 —— 为什么你的代码在 IDE 能编译却在 CI/CD 失败?
  • FineReport网络报表bug
  • 课程管理|基于Javavue的在线课程管理系统(源码+数据库+文档)
  • 免费歌词下载神器:163MusicLyrics 终极使用指南,轻松获取网易云和QQ音乐歌词
  • Midscene.js:视觉驱动的跨平台AI自动化测试框架深度解析
  • 宁波有面子的婚宴场地
  • 鸿蒙 HarmonyOS 6 | Pura X Max 鸿蒙原生适配 10:横屏下页面从上下结构改为左右结构
  • 抖音无水印下载器:3分钟学会批量下载视频、图集和直播
  • 用 NFS 将 Git 提交挂载为文件夹:项目开发问题与用途全揭秘
  • 我的光环境检测设备
  • 如何永久保存你的微信聊天记忆?WeChatMsg终极解决方案
  • OpenPLC Editor终极指南:如何用开源工具实现工业自动化编程
  • 3步掌握ESP32-A2DP蓝牙音频传输核心原理
  • MySQL主从复制与高可用架构
  • d2s-editor:暗黑破坏神2存档编辑器的终极免费Web工具指南
  • 普通人年薪翻倍跳板:收藏这份AI大模型应用开发工程师成长指南
  • NodeMCU PyFlasher:告别命令行困扰,3步搞定ESP8266固件烧录的智能方案
  • 后端接口错误码到底该怎么设计?我见过最烂的和最优雅的两种方案
  • Betaflight飞控固件2026完全指南:从入门到精通的7个实用技巧
  • NotebookLM智能摘要失真问题(底层token切分逻辑与人工校准SOP)
  • 终极指南:如何免费获取Cursor Pro功能,轻松突破试用限制
  • 浙江话AI语音项目最后通牒:2024Q3起ElevenLabs将关闭非ISO方言模型上传通道,现在必须掌握这5个迁移预案
  • 分布式ID生成方案详解与实战
  • Go 微服务必备:服务发现、配置中心、中间件是怎么协作的?