药房里那条80厘米宽的过道，比人肩膀还窄一点。机器人得侧着身子挤进去，伸手够货架最上层的降压药，还得躲开突然转身的顾客、避开滚到脚边的空药盒——这哪是演示？这就是日常。
宇树的机器人能打拳，灵波的机器人能在国大药房真干活。可一问为什么还没铺满小卖部、社区药店、快递驿站，朱兴直接说：“不是模型不够大，是数据太‘糙’。”他管这叫——机器人还吃不了「粗粮」。不是没数据，而是90%采回来的视频、轨迹、标注，进不了训练池。重复拍一百次同样的取药动作？没用。光线一变、包装一换、人影一晃，模型就懵。灵波后来干脆不买现成数据包，自己定标准：先小规模试采，跑通SOP，再让供应商按“机器人要什么”去收，把原始数据可用率从15%拉到90%以上。
说白了，具身智能不是拼谁存的数据多，而是拼谁懂物理世界里的“意外”。药瓶反光、老人扶着货架慢走、孩子蹲在通道口系鞋带……这些没法靠仿真补全，也没法靠互联网视频泛化。朱兴说得实在：“矿泉水在天上跳舞落到手上很好看，但机器人不会这么动——它得稳、准、慢不得、错不起。”所以灵波砍掉通用视频模型微调的老路，从零训练LingBot-Video和LingBot-VLA 2.0，连触觉手套都开始联合开发。量产卡点不在算力，不在参数量，而在——你给它的每一条数据，是不是真的教它“怎么活下来”。
这事儿听着像技术问题，其实早跑偏到生活毛细血管里去了。去年杭州某社区药房试运行两周，机器人连续三次把降糖药拿错成同色系的维生素D——不是识别错了，是货架被临时挪过位置，新贴的价签遮住了原编号，而训练时根本没见过“手写便签盖住条码”这种场景。后来复盘发现，那家药房的店员自己都常摸黑找货，全靠经验记位置。机器人没经验，只认数据里标好的坐标。可现实哪有坐标？只有人挤人、货堆货、标签糊标签。
更难缠的是“非标动作”。比如老人递来一张手写处方，字迹潦草得像甲骨文；小孩突然伸手拍机器人胳膊问“哥哥你冷不冷”；外卖小哥扛着三四个保温箱横冲直撞……这些都不是bug，是常态。灵波团队蹲点记录了37家药店的真实交互，光是“顾客伸手同时说话+挡镜头+晃手机”的复合干扰，就占了取药前3秒内所有突发情况的41%。仿真环境里练不出这个——再逼真的虚拟人，也模拟不出老人袖口沾着的半块山楂片掉下来时，机器人该先接药还是先躲碎屑。
所以他们现在收数据，连“地面反光角度”都要测。不同瓷砖、不同清洁频次、不同时间段的阳光斜射，都会让货架边缘在摄像头里“消失0.3秒”。这不是较真，是救命。去年某地试点中，一位独居高血压患者凌晨三点突发眩晕，靠语音唤来机器人取硝苯地平，结果因地板水渍反光导致定位偏移2厘米，药盒卡在抽屉缝里——幸好老人摸索着够到了，但团队连夜重采了200组湿滑地面样本。朱兴说：“我们不比谁模型参数高，就比谁先看见水渍。”
现在灵波的标注员要考“药店上岗证”，得会辨137种常见药盒材质反光特性，能徒手画出6类老年手部颤抖轨迹，还得陪店员值一次夜班。数据不是从天上掉下来的，是从药房凌晨两点的灯光下、从老人颤巍巍递来的处方单上、从孩子蹲着系鞋带扬起的灰里，一帧一帧抠出来的。机器人要活下来，先得学会在人间喘气。
热丰网提示：文章来自网络，不代表本站观点。
