Figure发布Index数据集：1600万视频众包重塑机器人训练

Figure推出Index：史上最大规模机器人数据集

人形机器人领域再迎重磅进展。Figure.AI正式发布了名为Index的机器人训练数据集——号称是迄今为止规模最大、多样性最强的机器人数据集，包含高达1600万条视频。这一数字远超此前业界公开的大多数机器人学习数据集，标志着人形机器人训练正式进入"大数据"时代。

对于长期困扰机器人学习的"数据饥渴"问题，Index的出现试图给出一个规模化的答案。与自动驾驶、大语言模型等领域早已享受海量数据红利不同，机器人操作（manipulation）领域一直缺乏统一、大规模且高质量的真实世界数据。此前影响力最大的机器人数据集，如Google的RT系列数据、Open X-Embodiment项目等，规模通常在数十万到数百万条轨迹之间，且往往局限于特定机器人平台和有限的任务类型。相比之下，自动驾驶领域的Waymo Open Dataset、nuScenes等已积累了数百万公里的驾驶数据，大语言模型的训练语料更是以万亿token计。机器人操作数据的采集成本远高于文本和图像——每一条数据都需要在物理世界中实际执行一次操作，这是该领域长期面临数据匮乏的根本原因。Figure此举，正是要补齐这块短板。

为什么机器人训练需要如此庞大的数据集

数据是具身智能的核心瓶颈

人形机器人要真正走进家庭和工厂，核心难题不在于硬件本身，而在于"大脑"——即能够泛化到各种任务和环境的操作策略。训练这样的策略，需要覆盖足够多样的场景：不同的物体、光照、家居布局、操作方式。

这里需要理解一个关键概念：**具身智能（Embodied AI）**是指将AI系统嵌入物理实体（如机器人）中，使其能够感知、理解并与真实物理世界交互的技术范式。与纯数字世界的AI不同，具身智能面临的核心挑战在于"sim-to-real gap"（模拟到现实的鸿沟）——在模拟环境中训练的操作策略，往往难以直接迁移到真实世界。真实世界的物理特性极其复杂：摩擦力的微妙变化、柔性物体的非线性变形、光照条件的随机波动等，当前的物理模拟器都难以完美复现。因此，大规模真实世界数据成为弥合这一鸿沟的最直接路径。

单一实验室采集的数据往往同质化严重，训练出的模型一旦离开受控环境就表现骤降。Index强调的**多样性（most diverse）**恰恰针对这一痛点。1600万条视频若真能覆盖丰富的日常任务场景，将为训练具备泛化能力的操作模型提供前所未有的数据基础。

从"专用机器人"到"通用机器人"的关键一步

业界普遍认为，通用人形机器人需要类似大语言模型的"规模效应"——数据量与多样性达到临界点后，模型能力会出现质变。这一观点源于OpenAI在2020年系统阐述的Scaling Law（缩放定律）：大语言模型的性能与模型参数量、数据量和计算量之间存在幂律关系，当这些因素同步增长时，模型能力会出现持续且可预测的提升。2023年以来，Google DeepMind的RT-2、Octo等工作初步验证了类似的规模效应在机器人领域同样存在——当训练数据覆盖更多机器人形态、任务类型和环境时，模型的零样本泛化能力会显著增强。但机器人领域是否存在类似语言模型的"涌现能力"临界点，目前仍是一个开放性的科学问题。

Figure押注的正是这一逻辑：先构建规模空前的数据底座，再借助大模型式的训练范式，逼近通用操作能力。

众包模式：人人可录制、人人可获得报酬

机器人数据采集的全新范式

Index最引人关注的创新，在于其开放式众包采集机制。根据发布信息，从现在起，任何人都可以录制自己的日常任务，并因此获得报酬（get paid for it）。

这一设计颇具颠覆性。传统机器人数据采集依赖专业团队、昂贵设备和受控环境，成本高、效率低、场景单一。而众包模式将采集网络扩展到千家万户，让真实世界的多样性自然流入数据集——不同家庭的厨房、不同人的操作习惯、不同地区的生活方式，都可能成为机器人训练的宝贵素材。

值得注意的是，这种技术路径并非毫无先例。在机器人领域，此前已有类似的众包尝试：Google的ALOHA项目使用低成本遥操作设备采集双臂操作数据，DROID数据集则跨13个研究机构采集了76000条操作轨迹。但Figure的Index无论在规模还是开放程度上都远超这些前辈项目。技术上，众包机器人数据面临的关键挑战在于如何标准化采集协议——不同用户使用不同的摄像头、不同的拍摄视角和分辨率，数据的一致性和可用性需要精心设计的采集工具和后处理流程来保障。

激励机制的双重意义

"录制即赚钱"不仅是一种数据获取手段，更是一套可持续的生态设计。通过经济激励，Figure能够以相对低的边际成本持续扩充数据规模，同时让普通用户成为AI进步的参与者与受益者。

这与早期众包标注平台（如Amazon Mechanical Turk）异曲同工。Amazon Mechanical Turk于2005年上线，开创了大规模人工标注的先河——著名的ImageNet数据集正是通过该平台完成了1400万张图像的人工标注，直接催生了2012年的深度学习革命。但Index的众包对象从静态图像标注升级为动态的具身任务演示，每一条数据都包含了人类操作的时空连续信息（手部运动轨迹、力的施加方式、任务分解逻辑等），价值密度远高于传统标注数据。

当然，这种模式也带来数据质量把控、隐私保护、内容筛选等一系列挑战，如何在规模与质量间取得平衡，将是Index能否成功的关键。

Index对机器人行业的潜在影响与待解疑问

对具身智能行业的深远启示

如果Index的模式跑通，它可能重塑整个机器人数据供应链的格局。数据不再是少数巨头独占的稀缺资源，而是通过分布式众包形成的公共基础设施雏形。这对整个具身智能领域的加速发展有着深远意义。

同时，此举也强化了Figure在人形机器人竞赛中的差异化定位——不只是造硬件，更要掌握"数据+模型"这一软实力护城河。Figure.AI成立于2022年，由Brett Adcock创立，是当前人形机器人赛道上最受关注的初创公司之一。2024年初，Figure完成了由微软、英伟达、OpenAI、Jeff Bezos等参与的6.75亿美元融资，估值达到26亿美元，其旗舰产品Figure 02已与宝马等制造商达成合作。在竞争格局方面，Figure面对的对手包括特斯拉Optimus、波士顿动力Atlas、1X Technologies的NEO、Agility Robotics的Digit等。在这场竞赛中，数据和模型能力正日益成为比硬件更关键的差异化因素——谁掌握了最丰富的真实世界操作数据，谁就可能率先训练出真正通用的机器人大脑。这也是Figure重金投入Index数据集的深层战略逻辑。

需要冷静看待的几个关键问题

有意思的是，目前相关信息主要来自社区讨论，Figure官方的技术细节尚待进一步披露。围绕Index，业界仍有若干关键问题有待回答：

• 数据质量：1600万条视频的具体来源、标注方式、质量分布如何？众包数据天然存在噪声和不一致性，Figure是否部署了自动化质量筛选和清洗流程？
• 开放程度：这些数据是完全开放，还是仅供Figure内部训练使用？如果开放，将以何种许可协议发布？
• 隐私合规：众包录制日常任务涉及家庭隐私，如何保障用户数据安全？特别是在GDPR等数据保护法规日益严格的背景下，涉及家庭环境的视频采集面临更高的合规要求。
• 实际效果：数据规模能否真正转化为机器人操作性能的显著跃升？数据量的增加是否会遇到边际收益递减的问题？

在这些细节明确之前，对Index的评价应保持理性乐观。

结语

Figure.AI的Index数据集，无论最终成效如何，都代表了机器人学习的一个重要方向：用规模化、众包化的真实世界数据，攻克具身智能的泛化难题。当"人人都能为机器人训练贡献数据并获得报酬"成为现实，我们或许正站在人形机器人从实验室走向千家万户的转折点上。接下来，值得持续关注Figure官方释出的更多技术细节与实际落地表现。