跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

Innodata开设动作捕捉实验室,Factory因间谍指控解雇董事会顾问

Innodata于9月30日在新泽西州启用一座动作捕捉实验室,为人形机器人生成训练数据,并称直接进行3D捕捉优于从2D视频推断动作。就在同一个24小时内,Factory首席执行官指控其风投董事会顾问向竞争对手Cognition泄露机密信息。

科技分析林晓雯发布: 2026年9月30日7 分钟阅读资料来源 5
Innodata开设动作捕捉实验室,Factory因间谍指控解雇董事会顾问

据The Robot Report报道,Innodata Inc.于9月30日表示已开设一座研发实验室,用于采集动作数据以训练物理AI。这家位于新泽西州里奇菲尔德帕克的公司称,该设施直接从人体或机械体上采集3D动作,而不是从2D视频中推断动作。

这一说法就是全部卖点。“直接3D动作捕捉无可替代,”Innodata机器人与物理AI副总裁Franklin Tanner对The Robot Report说。“当计算机视觉模型试图理解2D像素网格时,错误难免会出现。”

实验室与动作捕捉公司Vicon合作搭建,Vicon继续提供技术咨询。实验室配备红外光学追踪摄像头,Innodata称其测量精度可达亚毫米级。Innodata成立于1988年,大部分时间从事数据工程;如今它想把这项能力卖给那些无法自行生成足够真实交互数据的机器人团队。

没人解决的数据难题

大语言模型捡了个大便宜:互联网。机器人没有。Tanner对这道鸿沟的描述很直白。“物理AI只能一次一个交互地去挣它的token,而且这些交互必须是有意为之的,”他对The Robot Report说。

这是真实约束,不是营销话术。遥操作数据采集慢、规模化成本高,而且示范本身带着人类操作者的节奏,模型随后会学到并复制这种节奏。真实世界采集也有自己的失效模式:Tanner提到,如果一个人在数据采集过程中把刀掉了,他可能会后退并关掉设备,以为自己犯了错。换句话说,最有用的数据恰恰是人们本能丢弃的数据。

Innodata称其采集范围覆盖人形机器人、遥操作硬件、可穿戴系统、传感器装置、Universal Manipulator Interface夹爪及其他多模态设备,然后用数字孪生生成边缘案例。仿真是放大器。“关键在于我们如何创造足够的真实世界数据,再用这些数据去播种仿真?”Tanner问道,并指出英伟达的Cosmos环境是真实到仿真转换已经好到足以变换环境的例子。

“真实世界的交互数据不够,而现有的数据又贵又慢,”Innodata首席执行官Rahul Singhal说。“这座设施推倒了那堵墙。”

按Tanner自己的说法,还有一道缺口没有补上。“我们现在没有人类与机器人交互的训练数据,”他对The Robot Report说,并补充说为多个智能体协同工作配备测量手段是实验室正在做的事情之一。

商业逻辑很直接。人形机器人正从演示视频走向试点部署,每个部署团队都需要能泛化到固定工位之外的动作数据。Innodata押注的是,谁供应这些数据,谁就占住一个卡口。这是在押注一个尚无物理AI数据质量统一基准的市场。

与此同时,在AI编程领域:一位董事会顾问、一个竞争对手,以及两套说法

同一个9月30日还产出了另一则性质完全不同的机器人相关新闻。据TechCrunch报道,AI编程初创公司Factory联合创始人兼首席执行官Matan Grinberg在X上发帖称,他已解除风投Chris Degnan的董事会顾问职务,指控Degnan向Factory最大的竞争对手Cognition分享了机密信息。

两小时后,Degnan在X和LinkedIn上宣布他已加入Cognition出任首席营收官。随后他反驳了指控,称自己不是被解雇,而是在告知Grinberg自己将接受这份工作后主动辞职。Degnan是Snowflake的第一位销售员工,在那里做了11年首席营收官;过去五个月他一直是Factory的投资方RPT Partners的合伙人。

按TechCrunch的报道,Grinberg的说法是,Degnan此前描述过自己与Cognition一位高管有过一次“随意”交谈,并向他保证自己对为竞争对手工作没有兴趣,说自己“赚的钱太多”、也“太懒”,不会去Cognition。周一,Degnan披露了正在进行的谈判。Grinberg说他周二解雇了对方。

Degnan不认可这个时间线。他说自己最后一次参加Factory董事会会议是在他“第一次与Cognition交谈”之前好几周,而且他没有分享过机密信息。他还说,当他告诉Grinberg自己要辞职时,Grinberg向他提供了Factory的全职职位,他拒绝了。

这件事的意义超出一家初创公司的董事会,因为它暴露出AI投资已经缠绕到什么程度。Khosla Ventures同时投资了Cognition和Factory。Vinod Khosla称Factory是“苦苦挣扎的二线竞争者”,并指责Grinberg在解雇一事上撒谎;Khosla Ventures合伙人Keith Rabois发帖称“一边参加董事会会议和董事会晚宴,一边去竞争对手那里面试,本身就是不道德的”。按TechCrunch的报道,Cognition首席执行官Scott Wu说他的公司对Factory的信息“没有兴趣”。成立三年的Factory本月以50亿美元估值融资2亿美元,客户包括英伟达、Blackstone、加拿大皇家银行、Palo Alto Networks、Adobe和T-Mobile。Devin编程智能体的开发商Cognition本月以480亿美元估值融资20亿美元。

基准是参差不齐的,数字说明了这一点

融资新闻底下压着一个测量问题,任何购买机器人能力宣称的人都该担心。Fig Inc.于9月30日发布了一项评估,在网页自动化和物理任务上比较前沿模型,其核心发现是基准平均值几乎掩盖了一切有用的信息。

这项研究覆盖七个模型在三个网站上的177个闭环VisualWebArena任务,外加三个模型在四个离线物理域上的表现:Bench2Drive、VLABench、IndEgo和Assembly101。作者报告称,在测试的每一对模型中,较弱的一方至少能解出较强一方漏掉的一个任务。一个模型在三个网站上的离散程度,抵得上七个模型在单个网站上的离散程度。基准自带的难度标签与模型成功率只有很弱的关联。

Fig Inc.还报告说,一次模型更新可能让平均值几乎不变,而许多单项任务却发生翻转;而一次提高平均值的更新,仍然会丢掉旧模型解出的任务。团队发布了一个名为RIDGE的数据集,包含逐项结果和模型轨迹。对机器人采购方来说,实际含义令人不安:头条分数不是部署决策。

真正出货的是什么

对这一切的制衡来自一个真正把硬件做出来的人,而不是给硬件打分的人。OpenCat、Nybble和Bittle背后的制作者李荣仲在Hackster上写道,自2018年Nybble众筹以来,Petoi已出货超过3万台四足机器人,他的第三款产品Quaddle正在Kickstarter上以99美元起售。

他的论点是,这个领域交付量最大的产品一直是视频。他并不把这当作欺诈。他写道,如果你把许多机器人看作现代形式的木偶戏,就说得通了,人们观看的机器人运动表演和奥运会作用相同:展示一具身体在固定物理极限内能做到什么。但他警告说,靠激励可能难以为继,而AI生成的视频如今能以零边际成本制造视觉奇迹。如果机器人行业想成为视频产业之外的东西,就必须交付真东西。

他为此给出一个安静的信号:在交付几个月后,把一台令人印象深刻的机器人的二手价格与它的物料清单成本作比较。他写道,这两个数字都不能反映产品的全部价值,但两者之间的关系可以揭示在新奇感消退之后,市场还看到多少实用价值。

把三件事放在一起,当下的轮廓就清楚了。Innodata在卖人形机器人部署所需的数据层。Fig Inc.在记录模型能力宣称远比排行榜显示的更不均匀。李荣仲在提醒所有人,真正算数的记分板是客户自己掏钱。Factory和Cognition为人和信息开战,是因为智能体软件里的赌注已经极大。对人形机器人来说,等价的争斗还在前面,而争的将是数据,不是演示。

评论 0

资料来源

5
  1. 01Innodata opens motion-capture lab to help humanoids move more like peopleEN
  2. 02Factory CEO just accused his VC board adviser of spying for CognitionEN
  3. 03Astra, Opus 5.5, and other Frontier Models Demonstrate Jagged Performance Across SoTA Agentic Tasks from Web Browsing to RoboticsEN
  4. 04What 30,000 robot dogs taught me about degrees of freedom and shipping a real robot productEN
  5. 05The Robot Report parent Arrowfly launches AI for Engineers platform, events for engineers navigating AIEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

林晓雯

林晓雯

人工智能、模型与技术

林晓雯负责FLASH24的人工智能、模型与技术方向,主要写科技、人工智能与模型、媒体与互联网三个领域。她习惯从论文预印本、开源代码库和厂商技术文档入手,先核对训练数据来源和评测口径,再决定是否落笔。遇到模型跑分,她会自己复现一遍小规模测试,并对照独立第三方榜单,确认数字没有注水。她常联系一线工程师和产品经理,也盯着各大会议截稿日,把不同版本的技术报告放在一起比。业余时间她玩3D打印、折腾老电脑,还关心模型从网络垃圾里学到的偏见问题,这让她对数据清洗格外敏感。她有一条原则:拿不到原始数据的性能宣称,不写。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。