松灵机器人(松灵机器人招聘)

图1.松灵机器人完成10000小时真机数据采集，依托多臂移动机器人硬件，积累ALOHA、UMI等高价值具身智能实测数据。

机器人智能的演变在短短几年内，经历了从“质疑数据驱动”到“坚定相信”的范式转变。如今，从 VLA（视觉-语言-动作大模型）再到当下火热的 World Model（世界模型），算法层出不穷，但在整个机器人的数据金字塔中，真机数据依然是塔尖的塔尖，在模型训练中是不可或缺的灵魂存在。 松灵机器人长期深耕具身智能科研与产业实践，从早期参与斯坦福 ALOHA探索，到持续支持 ICRA、IROS 等国际顶级会议 VLA 国际赛事的技术验证，再到与学界发布的RoboTwin、蚂蚁灵波等前沿项目合作与实践，再到国内最近的Robochallenge的算法评测平台，松灵都是重要参与。积累了丰富的机器人硬件、遥操作系统与真实场景数据经验。今天，松灵正式将这份跨越学术界与产业界的长期积累，转化为驱动具身大模型发展的高质量数据燃料。 近日，松灵机器人正式完成超10000小时具身智能数据资产建设，数据覆盖ALOHA、UMI/Pika、Ego以及Mobile Manipulation（移动操作）等主流路线，形成覆盖居家、办公、厨房、收纳等场景的规模化数据资源池，为Physical AI训练与机器人基础模型开发提供真实世界数据支撑。1. 为什么行业开始转向采购真机数据？

进入 2026 年，一个新的现实是：

算法模型的差距正在快速收敛，而高质量的真机数据成为了核心稀缺资源。

对于大多数团队而言，最耗时的不是训练模型，而是获取第一批能用的高质量数据。从搭数采系统、设备调试、场景布置，到数据清洗、质检审核与补采，整个周期通常长达数月。

直接采购标准化的成熟数据集，能够让研发团队跳过繁琐的基建阶段，将研发周期缩短数月，显著加快模型的验证与迭代速度。标准化真机数据，正在成为行业的核心研发基础设施。

图2. 松灵机器人针对具身智能数据建设三大痛点，打造采集 - 数据 - 模型 - 本体闭环数据飞轮，一站式降低研发搭建、

2. 10000+小时数据资产：从桌面到移动操作

在具身智能领域，数据质量往往比单纯的时长更重要。松灵在数据建设上重点抠了四个核心指标：场景覆盖、任务完整性、多模态质量以及可复用性。

目前，松灵已完成超 10,000 小时的真机采集，包含 4 大类别、13 个细分场景：

图3. 松灵机器人四大居家办公类具身智能实操场景，覆盖 13 个细分任务，累计真机动作数据超 74500 条，为大模型训

所有数据均在真实物理环境中采集。除了视觉信息，系统还同步记录了：机器人关节状态、末端位姿、夹持器状态、RGB 图像、深度信息以及点云数据，形成高价值的多模态训练数据集。

图4. 松灵多机械臂平台实操厨房餐具分拣收纳，采集料理场景真机动作数据

图5. 机器人完成鞋柜衣物全屋整理收纳作业

图6. 遥操作操控机械臂完成桌面堆叠分拣办公益智任务

叠加稀缺的移动操作全流程数据，区别于市面仅聚焦静态桌面的常规数据集，更贴合机器人商业化落地的长期需求。

3. 从ALOHA到Ego：覆盖主流数据采集路线

面对 ALOHA、UMI、Ego 等不同数据采集路线，研发团队往往面临选择难题。松灵的选择是“全路线覆盖”，围绕主流技术路线构建了完整的硬件支撑：

1)ALOHA 主从遥操路线

基于Cobot Magic双臂数据采集平台，适用于双臂协同、精细装配等复杂操作。

图7. 松灵 Cobot Magic 双臂采集平台

2)UMI 手持采集数据路线

基于Pika数据采夹爪采集，适用于快速部署与规模化数据生产。

图8. 依托 Pika 手持夹爪设备，松灵 UMI 手持采集方案

3)Ego 第一人称采集数据路线

基于Pika Ego第一视角采集系统，专注于行为学习、世界模型与任务理解研究。

图 9.Pika Ego采集系统介绍

通过全路线的布局，能够一站式满足不同算法架构与科研方向的数据需求。

图10. 从底层 EGO 第一人称数据、仿真数据、UMI 手持采集数据到顶层高价值主从遥操真机数据，松灵四层阶梯式数据供

4. 不止ALOHA：重点布局 Mobile Manipulation

相比局限于固定工作台的桌面操作，未来的机器人必然要走向开放空间。机器人的任务链正从简单的“发现→抓取”，演变为：

出现目标→导航接近→执行操作→完成任务→离开场景

图11. 松灵遥操作平台演示完整长链条任务逻辑

这就是 Mobile Manipulation（移动操作）。它同时对环境感知、路径规划、运动控制和操作执行提出了协同要求。

结合松灵长期积累的移动机器人平台能力，我们同步布局了移动操作的全任务链数据，完整覆盖从导航接近、精细操作到离场撤离的全流程。这让数据集更贴近仓储物流、商业服务、配送机器人等未来的核心商业场景。

图12.COBOT MAGIC 真实场景真机采集方案

5. 稀缺的不是万小时数据，是持续量产数据的能力

行业里不缺一次性的数采项目，真正稀缺的是持续、稳定、规模化产出高质量数据的工程化能力。10,000小时只是松灵的阶段性成果，能够源源不断地生产下一个 10,000小时，才是真正的护城河。为此，松灵打造了一条标准化的数据流水线：

任务发布 → 真机采集 → 清洗补采 → 审核标注 → 存储交付

图13.松灵数据采集管理系统

整个流程通过自研的任务管理平台进行统一调配，实现进度与质量指标的可视化追踪。目前，松灵已在深圳、东莞两地建设了专业的数据采集场地，配备规模化硬件集群，支持多场景、多任务的并行高效率采集。

图14. 松灵数据采集中心

6. 从数据到部署：全梯度服务体系

针对科研、模型训练及企业定制等不同阶段的需求，松灵推出了灵活的数据服务体系：

1.免费开源数据包

覆盖25类家居场景 ，5000条任务数据

*节省约25天人力成本（200条/人/天）

2.标准数据服务

7000h 60W条

*预计可节省约3000人天数采成本（按200条/人/天）

覆盖高频典型场景，经过标准化清洗与质检，可直接用于模型预训练。

3.定制化数据服务

10000 条起MOQ

支持指定场景、指定任务及特定设备的定制化采集，满足企业个性化需求。

同时，依托PiPER六轴机械臂、NERO七轴机械臂以及移动机器人平台，松灵实现了高质量数据资产与标准化硬件生态的无缝对齐。帮助客户打通从数据输入、模型训练到真机部署验证的完整闭环，避免因硬件异构导致的数据泛化失效，让具身智能研发不再有后顾之忧。

7. 结语

今天行业在讨论 10,000 小时，未来可能是 100,000 小时。但无论规模如何膨胀，持续生产高质量物理交互数据的“基础设施能力”，始终是 Physical AI 的核心生产力。

从路线覆盖到移动操作，从数据生产到真机验证，松灵正在构建的不仅是一批资产，更是一套能够持续运转的具身智能数据基础设施。我们希望成为这个时代的基建同行者。