数据采集的几种方式：示教、遥操作与自探索
前情提要 上一回第 36 篇《伦理、就业与责任：当机器人真的走进生活》把具身智能的社会面收了个尾——它讲了机器人进了家门、上了街道之后，就业、安全、隐私、责任这些"人该怎么和机器共处"的难题为什么必须提前想清楚。可技术要继续往前走，绕不开一个老问题：机器人到底靠什么数据长大。第 34 篇《数据从哪来：人类示范与遥操作怎么喂机器人》讲了人类示范和遥操作两种采法，本篇就把"采集"这件事摊开讲全——除了手把手教，还有哪些姿势把真实经验变成训练数据。
一、数据不是天上掉下来的
前面几篇我们聊过，机器人变聪明靠的是被喂数据。可数据到底从哪来？很多人以为，工程师敲几行代码，机器人就"天生会干活"了。现实完全不是这样。一个会叠衣服、会开门、会递杯子的机器人，背后是成百上千万段"它看到了什么、又做了什么"的配对记录——这些数据，是实打实一段一段采出来的，没有捷径。为什么会这么费劲？因为机器人没有人生经验，它连"杯子该捏多重、衣服该顺着纹路捋"都得从数据里重新学起；而真实世界的花样又无穷多，光照、角度、物体的软硬稍有变化，它就得多看一遍。数据不够杂、不够多，它换个场景就傻眼。第 34 篇只讲了其中两种最常见的采法，这一篇把整张采集谱系补全，你会看到，喂饱一个机器人，办法比想象中多得多。
二、人类示范：照着人做一遍
最简单的一招，就是人先做一遍给机器人看。这套思路在第 17 篇《模仿学习：照着人做》里讲过：你戴上动作捕捉设备，或者用手在机器人身上带着它走一遍，把"这一刻画面什么样、你手臂怎么动"一帧帧录下来。录下成千上万对这样的例题，模型就去学"看见这种画面，就该这么动"。就像教小孩认猫，你不用讲猫有几条腿，指着他看多了他自然会认。好处是省心——人怎么做，它就怎么学；麻烦也在人身上：人做得标准它才学得好，示范里没见过的花样它照样抓瞎。
三、遥操作：人隔空"附身"
比单纯看视频更"贴身"的一招，是遥操作。第 34 篇《数据从哪来：人类示范与遥操作怎么喂机器人》详细讲过：人戴上一副能感应手指动作的手套，远在另一头的机械臂就跟着你的手一模一样地动。关键是，机器人一边被你操控着做动作，一边把"这一刻它看到了什么、你让它做了什么"实时记下来。这一记，记的是最宝贵的真机数据——不是看别人做，而是机器人自己"身体力行"时被同步采到的所见所动配对。很多公司专门养着一队"遥操作师傅"，天天远程操控机器人干活，干的其实是在为机器人攒学费。
四、遥控自采：让机器人自己当主角
示教和遥操作里，动的主体始终是人。有没有办法让机器人"自己动"，又照样把数据采下来？有，叫遥控自采。做法是让人戴上 VR 头显和动作捕捉服，第一人称去操作一个虚拟化身；与此同时，真实的机器人以"第一人称"跟着同步运动，它自己的摄像头看到什么、关节怎么动，全部被记下来。和遥操作比，遥控自采强调的是"机器人视角"——数据来自机器人自己的眼睛和身体，而不是旁观者的镜头。打个比方，遥操作像你站在场边遥控一台赛车，遥控自采则像你自己坐进驾驶座、以车子的视角把一路所见所感全录下来。前者便宜好采，后者更贴近机器人真正上场时的感受。
五、自探索：让机器人在环境里自己玩
前面四种，都还得人参与。最"省人力"的一招，是放手让机器人自己来。第 16 篇《强化学习：试错出真知》说过，机器人可以待在环境里自己动手试，做对了给奖励、做错了受惩罚，慢慢试出好策略。把这套思路搬到数据采集中，就是让机器人在房间里自己摸、自己推、自己滚动手臂，它每动一下、环境怎么变、拿到什么反馈，全程自动记成数据。人不用手把手教，数据却像雪球一样越滚越大。代价是早期很"笨"——机器人可能先撞墙一万次才学会绕开——但胜在能 7×24 小时不停产，而且采到的全是机器人自己身体产生的真数据。
六、看视频学习：用网上的录像当教材
还有一种特别取巧的办法：直接拿人类拍的视频当教材。互联网上早就有海量的"人怎么干活"的录像——做饭、收纳、修东西。让模型去"看"这些视频，推断里面的人手在往哪动、下一步要做什么，再反过来教机器人。这叫用人类视频作弱监督：数据不用专门采，现成的就有，覆盖面还极广。当然，视频里只有画面、没有机器人真实的"所见所动"配对，所以叫"弱"监督——模型得自己脑补很多中间环节，学出来也没那么精准。但它胜在量大、便宜、什么场景都有，常用来给机器人"开个眼界"，再配合前面的真机数据精修。
七、小结：多源混合才是现实
讲完五路采法，你可能会问：到底哪一路最好？答案是——现实里没有"只靠一种"的傻瓜做法。人类示范和遥操作给得准，但贵又慢；遥控自采更贴机器人视角，设备门槛高；自探索能海量自产，却要熬过早期笨阶段；看视频最便宜量大，却不够精准。所以真正能干的机器人，几乎都用"多源混合"：把这几路数据搅在一起喂。再回想第 13 篇《仿真器与数字孪生》——连仿真里练出来的合成数据，也会被掺进这锅"数据大杂烩"里补量。哪路数据多采一点、哪路少掺一点，往往要根据任务反复调：想让机器人稳稳抓杯子，就多喂遥操作和自探索；想让它见多识广，就看视频和仿真来铺底。采集这件事，从来不是单选题，而是一道怎么把各种经验凑齐、凑杂、凑便宜的工程题。
读后小测
「3 句话复述」 1. 机器人靠"看到什么、做了什么"的配对数据长大，采集谱系有五路：人类示范、遥操作、遥控自采、自探索、看视频学习，第 34 篇只讲了前两路。 2. 遥操作是人隔空附身边做边记真机数据，遥控自采强调机器人第一人称视角，自探索让机器人自己玩自动产数据呼应第 16 篇，看视频拿现成录像作弱监督。 3. 现实里没有单一路最好，能干的机器人都用多源混合把各路数据连同第 13 篇的仿真合成数据一起喂，采集是道凑齐凑杂凑便宜的工程题。
「1 件动手小事」 今天挑一件你闭眼会做的小事（比如叠毛巾、收筷子），先用手机第一人称俯拍视角录一遍自己的手，再换一个"旁观者"角度录一遍；对比两段视频，体会一下"机器人自己的眼睛看到的数据"和"别人镜头里的你"差别在哪——这正是遥控自采和普通遥操作最微妙的分界。
下一回，第 38 篇《标注长什么样：给机器人看的"标准答案"》：采到一堆原始视频和动作后，机器其实还看不懂——它得先知道"这一段里手该抓哪儿、这一步算不算做对了"，也就是给数据标上答案。下一篇就讲讲，这些喂给机器人的"标准答案"到底长什么样。