机器人训练数据瓶颈：NVIDIA 丢弃 96% 视频，检索成新解法
AI Engineer · youtube · 2026-09-24
Bright Data 的 Rafael Levi 在 AI Engineer 播客中指出，物理 AI 的下一个瓶颈是找到对的训练视频：LLM 有数万亿词的语料，而机器人可用的动作视频只有约一百万条。
核心观点与数据：
- 雇人摆拍动作会产生偏差数据——被要求开门的人动作不自然；仿真和遥操作也难以规模化
- 网络上有数十亿小时真实人物操作物体、真实物理（重力、运动、因果）的视频
- 噪声是大问题：NVIDIA 训练 Cosmos 时丢弃约 96% 的下载视频，Stable Video Diffusion 丢弃 74%，浪费算力与存储
- 反例：Meta 用约 100 万小时公开视频加仅 62 小时真实机器人数据就实现了机器人控制
Bright Data 的方案是「先搜索、后采集」：按视频中的动作（而非标题）索引超过 10 亿条视频，通过 API 返回带时间戳、匹配得分和帧数的剪辑片段。演示了洗碗、叠衣等搜索场景，并延伸到自动驾驶、行车记录仪与品牌发现等用途。
「具身」频道最新
- 39 块肌肉模拟之手练 4.26 亿步，从 0/9 到 9/9 姿势全达成 — MaziyarPanahi · 2026-11-11
- Origami 携手 Palatial 建 real2sim2real 灵巧工厂,下周开源 100 个数据集 — ybisk · 2026-11-11
- 可训练望远镜模型助力 Nature 论文：灵敏度提升 2–15 倍发现系外行星 — bravo_abad · 2026-11-11
- Tersus GNSS MVP S1 扫描数据入 LichtFeld Studio,点云干净出高质量 Splat — janusch_patas · 2026-11-11
- 用 ESPHome 刷机，让家中廉价 IoT 设备重获新生 — haydendevs · 2026-11-11
- NYU 新方法:看人做 5 分钟家务,机器人就能学会擦桌子 — CyberRobooo · 2026-11-11