Dyna-2百万小时数据背后：Maxinsights成硅谷机器人「供血商」
新智元 · wechat · 2026-09-11
一家隐形的机器人数据基础设施公司浮出水面
Google DeepMind、Figure、1X、Genesis AI、Dyna Robotics等头部机器人玩家的背后数据供应商是Maxinsights——一家扎根硅谷的Physical AI团队，累计交付超200万小时第一人称数据，库存150万小时带手部追踪和语言标注的数据，月采集产能45万小时。
第一人称数据为何重要
机器人领域缺一个「人类动作的互联网」：互联网有海量视频，却没有「手的视角」记录人怎么干活。相比昂贵且绑定本体（robot embodiment）的遥操作数据，第一人称数据让人类日常经验进入训练系统。Dyna-2用100万小时人类第一人称视频预训练，模型性能跨越四个数量级单调提升，未见天花板；GENE-26.5靠第一人称数据加手套传感器，仅用不到一小时机器人专属数据即实现20步做饭自主执行。
算法三层能力
- 姿态追踪：自研MaxEgo在手部遮挡、双手交叉、动作模糊时仍能稳定追踪，MaxEgo 0.5到1.0难例关键误差下降超一半，底座是20亿帧人体姿态数据。
- 空间定位（SLAM）：人绕一圈回来轨迹仍能闭合对齐，让动作有完整空间背景。
- 语义标注：自研视频理解模型按「环境→任务→子任务→动作」分层组织。
运营飞轮
全球5000+采集员（主妇、厨师、工人、农民），Agent平台调度数据分布、识别摆拍、每两周轮换场景。四阶段自动化QA让98%质检由机器完成，人工纠正样本回流训练。团队来自Waymo、谷歌、Meta及斯坦福、伯克利。公司观点：Physical AI的Scaling Law同时也是一条Manufacturing Law——四道关口各95%良率端到端只剩81%；下一步考题是Experience Density（每新增一小时是否带来新物理经验）。
「具身」频道最新
- GPT-6.1 Terra 控制真机器人胜过 Opus 5.5,较三月前提升 3.7 倍 — ycombinator · 2026-10-28
- 机器人「开派对」训练中:研究者晒 policy in training 预告 — andrew_n_carr · 2026-10-28
- RAX让真机器人探索2小时自学技能，再把技能写成代码复用 — du_yilun · 2026-10-28
- OpenTac 触觉传感器将亮相 CoRL 2026,共 17 组机器人演示 — _krishna_murthy · 2026-10-28
- SO-101 Bench：LLM Agent 得分 83.2% 击败九个 VLA 策略 — Truman Hickok · 2026-10-28
- cixliv:格斗或成机器人首个跑赢普通人类的「已实现市场」 — cixliv · 2026-10-28