「拿一杯咖啡」对我们来说，或许是个再自然不过的本能动作，但是对于机器人而言，再简单的动作，背后也需要真实世界数据的反复训练与校准。 但问题不只在于数据规模，数据采集的方式同样重要。操控设备采集可能沦为昂贵的采集器；仿真数据依然需要经过真实世界验证；而尚未完全收敛的模型架构与硬件路线，也让数据供给频繁出现 “需求要香蕉，供应给苹果” 的错配。具身智能的发展，需要一套成本可控并贯穿任务定义、硬件采集、数据加工、模型评测与反馈回流的数据基础设施。 本期节目，我们邀请到 Potentia 补天石科技创始人、同时也是 20...