Maxinsights 机器人数据集已达 150 万小时：采集良率 98%，目标冲 1000 万小时

Maxinsights 的机器人人类经验数据集已经积累到 150 万小时，采集良率维持在 98%，团队把下一门槛抬到 1000 万小时，并让 Agent 反过来诊断数据盲区、调度采集员与设备去定向补采。真正的变化不是数字变大，而是数据引擎从”被动收集”切换到了”主动巡航”。

为什么机器人训练卡在数据而不是算法

主流范式是模仿学习与行为克隆：把操作员轨迹喂给策略模型，让它学会在特定观测下做出动作。这类方法的表现高度依赖数据的规模与多样性，模型结构带来的差异往往远小于数据带来的差异。补上一个缺失场景的收益，通常比调参高一个量级。

把”150 万小时”拆开看，价值并不均匀。同一条流水线重复一千遍的一万小时，信息量可能还不如分布在两百个真实家庭、涵盖不同地形与物件的一千小时。时长是入场券，覆盖度才是护城河。

总量决定策略能见过多大的世界，良率决定这些数据能不能直接进训练。98% 的采集良率意味着绝大部分原始轨迹不需要人工返工，这会显著降低端到端成本：数据链路里最贵的往往不是带宽和存储，而是”采集完发现不能用”之后的二次派单。

据微信公众号报道，Maxinsights 的机器人数据引擎强调人类经验数据，提到数据集已达 150 万小时，采集良率达到 98%，目标升至 1000 万小时。

总量可以靠堆人和堆设备线性堆出来，良率却是系统工程。一条轨迹作废的原因五花八门：动作片段存在肉眼难辨的抖动、多视角视频与力传感数据时间戳错位、采集员中途换手导致风格突变。这些问题无法靠事后筛选根除，只能在前置的流程校验、设备标定和采集员培训里消化。

这次报道里最有分量的部分是流程反转。过去是”排产—采集—清洗—入库”的单向流水线，团队凭经验决定下一批采什么；现在则由 Agent 站在模型侧回望数据：先对失败案例聚类，找出哪类场景、物体和地形让策略频繁失手，再把这些”盲区”翻译成采集任务。

盲区被识别之后，Agent 还要负责调度——把任务分发给合适的采集员与设备，指定场景条件与操作对象，采回的数据进入训练集，再复测失败率是否下降。闭环一旦转起来，每次采集都带明确目的，避免了”数据越来越多但策略越来越偏”的浪费。

把机器人数据供给的演进拆成三个阶段，可以更直观地看出 Maxinsights 这套做法的位置与代价。

对比维度	被动采集	人工排产补采	Agent 诊断盲区后定向补采
触发方式	按计划一次性铺量	团队复盘后决定	由模型失败案例自动触发
场景选择	随机或易得场景	依赖专家经验	由不确定性聚类给出
扩张上限	受预算线性约束	受人力上限约束	受归因准确性约束

表格里最容易被忽略的是最后一行：任何一种模式都有自己的天花板。定向补采把瓶颈从预算和人力转移到了”能不能正确归因”，也就是说，如果盲区判断错了，后续补采会非常精准地买到无效数据。

两条经验值得抄：把良率当成和总量同等重要的 KPI，在采集前就把校验规则做进流程；以及尽早扭转”先铺量再谈质量”的惯性，让反馈闭环在数据还没那么大时就先跑起来。资源有限的团队尤其受益——把预算投向模型真正薄弱的区域，比均匀撒网划算得多。

数量级上还有相当大的空间，但从 150 万小时走到 1000 万小时不是简单的线性堆料。真正的难点在于新增部分能否补齐此前的场景盲区，而不是把已有场景再录一遍，否则规模增长不会等价兑换为策略能力提升。

98% 反映的是当前流程下的可用比例，剩余部分通常集中在最难标准化的长尾问题上，比如多机位时间同步和跨采集员的动作一致性。是否值得继续追高，取决于它对下游策略收益的实际贡献。

短期内不会。Agent 负责的是”采什么、谁去采、什么时候采”，动作示范仍由人类采集员完成，因为人类经验数据的核心价值正是人的操作习惯与容错方式。变化在于采集员转向执行高难度定制任务。

Maxinsights 把数据引擎的重心从规模扩张转向了结构优化：150 万小时和 98% 良率是当下的家底，1000 万小时是公开的方向，而 Agent 反向诊断盲区才是把三者串起来的机制。接下来真正值得观察的不是那个目标数字何时达成，而是每新增一小时数据，策略在真实场景里的失败率能下降多少。