在春晚過后，最近宇樹機(jī)器人又火了一次。

上周，宇樹機(jī)器人發(fā)布了一條機(jī)器人轉(zhuǎn)身踢腿，打了一套功夫拳的視頻，發(fā)布一周就收獲了快五萬的點贊。

一套功夫打下來，機(jī)器人占領(lǐng)世界似乎已經(jīng)可以期待了？

在機(jī)器人越來越像人的背后，可能卻是有著一批人在「負(fù)重前行」。

近期，極客公園發(fā)現(xiàn)，招聘軟件上已經(jīng)悄悄上架了一批工作信息。員工的*工作，就是教機(jī)器人如何更像人。

一、新物種工作

筆者是在去年，開始發(fā)現(xiàn)各大一線城市的招聘平臺正在悄悄上架一批新的工作。

標(biāo)題為數(shù)據(jù)采集專員，或者更直接的——機(jī)器人數(shù)據(jù)采集員，這個「新物種」工作，是完全是為機(jī)器人提供服務(wù)的。

工作描述很簡單——就是操作機(jī)器人，做一些人類日常會做的行為。

一個工作描述這樣形容道:控制機(jī)器人進(jìn)行操作，如疊衣服、系鞋帶、物品收納等日常生活操作。

而另一個工作描述則這樣寫道，「根據(jù)桌面零件分揀」的場景，操作動作捕捉服來操控機(jī)器人的動作。

一些其他類似的工作描述中，還出現(xiàn)了不暈 3D，身體強(qiáng)壯，了解一些編程基礎(chǔ)之類的要求。

這到底是怎樣的工作？

筆者潛入了一個動作捕捉的招聘群中，和招聘者進(jìn)行了一次聊天。

筆者很快了解到，該招聘崗主要是為國內(nèi)某機(jī)器人公司進(jìn)行服務(wù)，采集機(jī)器人的動作數(shù)據(jù)。

主要分為兩種崗位，

一種是帶著動作捕捉設(shè)備，遠(yuǎn)程操作機(jī)器人——工作人員站在機(jī)器人旁邊，拿取面前的東西，而通過動作捕捉設(shè)備的傳輸，機(jī)器人會擺出和幾乎一樣的動作拿去機(jī)器人面前的東西，這在機(jī)器人領(lǐng)域的術(shù)語叫做遙操作。過去在新聞中經(jīng)常出現(xiàn)有人操作機(jī)器人進(jìn)入危險環(huán)境作業(yè)，就是使用的遙操作方式。

而另一種則是面對屏幕操作機(jī)械臂。仍然是工作人員操作機(jī)械臂，而屏幕里的機(jī)械臂會做出一樣的動作，只不過實體空間中并沒有真正的物品可以拿取，工作人員操作機(jī)械臂的目的是讓屏幕里的機(jī)械臂拿取虛擬空間的物品。有點像是隔著屏幕操控抓娃娃機(jī)。

兩種工作對操作人員的要求都不高，都是做出最基本的人類動作就可以。因此招聘對學(xué)歷等硬性條件并沒有要求。

不過有趣的是，*類崗位，對操作人員的身材倒是有要求:身高 165~170 左右，體重 62kg 內(nèi)，不能有肚子，男生。第二類崗位則男女不限。

筆者又查看了其他公司的類似的崗位，工資在 5000-10000 不等。而這家公司，則是按天計費(fèi)，每日 200 元。

招聘者特別問了筆者，你是計算機(jī)專業(yè)的嗎？

在得到否定回答后，招聘人員大方提起，現(xiàn)在有一個領(lǐng)域正在「崛起」，就是人工智能！不要看目前只是一個兼職崗位，未來可能會變得非常重要。

當(dāng)筆者問起，會不會已經(jīng)招滿了，招聘人員則表示，位置很多，*批就有幾百人，而后面北京、上海、廣州，都在陸續(xù)開類似的崗位。

二、賣動作給機(jī)器人的工作，正在迅速擴(kuò)張

賣動作給機(jī)器人？聽起來是一個很奇怪的事情。為什么要這么做？

帶著疑問，筆者采訪了動作捕捉設(shè)備提供商諾亦騰的聯(lián)合創(chuàng)始人、CTO 戴若犁博士。

戴博士馬上肯定了這一趨勢的存在。「是的，我們也觀察到了類似的現(xiàn)象。諾亦騰每年會賣出幾千套動捕設(shè)備，是全世界出貨量*的動捕的設(shè)備提供商，在過去十年，賣給機(jī)器人企業(yè)的動捕裝備一直不超過我們出貨量的 5%，不過，事情在 2023 年發(fā)生了變化。」戴博士表示。

戴若犁回憶道，一般而言，機(jī)器人企業(yè)采購動捕設(shè)備，通常用來操作機(jī)器人在危險地區(qū)進(jìn)行一些特殊操作，這樣的需求不會很多，通常的采購都是一套兩套這個量級。

「我們的設(shè)備算是全球性價比最高的了。不過即使這樣，貴的設(shè)備大概要十幾萬塊錢一套，便宜的設(shè)備也要大幾萬塊錢。只有應(yīng)急演練、消防這樣的市政甚至軍事項目才會進(jìn)行百套左右的采購。」戴若犁表示。

而2023 年開始，諾亦騰開始逐漸接到越來越多的機(jī)器人企業(yè)的訂單，而且一次就是上百臺——這些訂單，正是為前面所述的工作崗位服務(wù)的。

2023 年，正是人形機(jī)器人開始爆發(fā)的前夕。

在 2023 年前，人形機(jī)器人在機(jī)器人的研究發(fā)展中，相對是一個異端。大部分需要機(jī)器人的能力，用一個專用的機(jī)械臂已經(jīng)可以解決的很好，為什么要研究人形機(jī)器人呢？筆者記得 2023 年，*次來到世界機(jī)器人大會時，就曾經(jīng)想過這個問題。

這背后，其實是技術(shù)的一次大跳躍。

2022 年-2023 年，大語言模型的進(jìn)展，*次解決了機(jī)器人泛化性的理解和規(guī)劃。也就是說，現(xiàn)在和機(jī)器人說話，機(jī)器人*次可以開始理解了，甚至可以自己對于語言背后的含義進(jìn)行拆解，能夠意識到「拿桌上的水果」這件事指的就是拿起桌上的某個特定蘋果了。

這時候，人形機(jī)器人的卡點，出現(xiàn)了新的變化——不在于智慧，在于動作能力上了。在智慧能力出現(xiàn)突破之后，如果人形機(jī)器人的動作的泛化能力能夠進(jìn)一步突破，那么機(jī)器人的應(yīng)用場景將有很大的擴(kuò)展。

而在機(jī)器人的動作問題上，實際上則有兩個分支。

一個是運(yùn)動能力，我們也可以簡單理解為下肢動作。

一個是操作能力，我們也可以簡單地理解為上肢動作。

我們看到的宇樹機(jī)器人，能打拳、能跳舞，其擅長的，正是機(jī)器人的「下肢能力」。而正如我們所看到的，雖然仍面臨著承載力等一系列問題，機(jī)器人的「下肢能力」已經(jīng)相對成熟。

而機(jī)器人的「上肢能力」則是完全另外的命題。

「四足平衡或者雙足平衡，其實容錯能力是比較好的。你一步踩錯，它通過迅速的糾偏，通過一些算法其實可以迅速找回來的。但是泛化的抓拿和操控，容錯很低。細(xì)微操作這件事情，大家目前還是相信要大量的數(shù)據(jù)進(jìn)去才能夠訓(xùn)練好這個事情。」戴若犁解釋道。

事實上，使用上肢進(jìn)行靈巧操作，即使宇樹機(jī)器人，也很難做到可以在現(xiàn)實中實用的地步。

宇樹機(jī)器人在春晚的表演，使用的轉(zhuǎn)手絹的動作，使用了一個取巧的戰(zhàn)術(shù)——手絹是直接被固定在手部電機(jī)上進(jìn)行高速轉(zhuǎn)動的，只是用黑布遮擋，營造出「隱形」效果。其技術(shù)難點在于機(jī)器人關(guān)節(jié)扭矩更高和其全身動作中的平衡，而并不在于機(jī)器人本身的手部動作靈敏到完全類人。

而想要機(jī)器人的上肢動作真正類人，業(yè)界通常認(rèn)為，需要模仿學(xué)習(xí)——通過模仿人類的動作。而這意味著，需要大量的相關(guān)數(shù)據(jù)。

與無處不在的互聯(lián)網(wǎng)數(shù)據(jù)相比，機(jī)器人的現(xiàn)存的相關(guān)數(shù)據(jù)則少得多。因此許多企業(yè)開始自建動作捕捉工廠，來為自家的機(jī)器人提供數(shù)據(jù)——也就出現(xiàn)了本文出現(xiàn)的新工作:賣動作給機(jī)器人的人。

這也帶來了動作捕捉設(shè)備本身的爆火，據(jù)了解，截止到 2024 年年底，諾亦騰來自機(jī)器人領(lǐng)域的需求訂單獲得了超過六倍以上的增長。諾亦騰不但為機(jī)器人公司提供動作捕捉設(shè)備，也開始與不少廠商共建數(shù)據(jù)工廠，直接參與到具體的數(shù)據(jù)采集業(yè)務(wù)中。三、采集數(shù)據(jù)的四象限

在招聘網(wǎng)站的調(diào)研中，筆者發(fā)現(xiàn)，雖然參與者做的任務(wù)都是類似的，招聘崗位的具體稱呼卻不同。

比如筆者試圖面試的公司，就分出了「動作捕捉崗」和「仿真崗」兩種不同的崗位。

筆者也就這兩種崗位的不同，采訪了戴博士。

戴若犁將目前獲得數(shù)據(jù)的途徑，按照是否采取動作是否由真人完成，采集的動作是否來自機(jī)器人本體等，分成了幾個象限。

對于機(jī)器人訓(xùn)練而言，質(zhì)量最高的數(shù)據(jù)，就是用遙操作采集的真實數(shù)據(jù)，也就是我看到的*類型招聘的內(nèi)容，被稱為「動作捕捉崗」。

雖然使用的是動捕設(shè)備，但是實際上記錄的數(shù)據(jù)，并不是穿著動捕設(shè)備的工作人員身上的動作，而是動捕設(shè)備操作的機(jī)器人的動作。

機(jī)器人成功進(jìn)行了一次抓取，設(shè)備就會記錄機(jī)器人胳膊的轉(zhuǎn)角等等。因此這樣的數(shù)據(jù)是質(zhì)量最高的——數(shù)據(jù)直接從真實的機(jī)器人身上得到，甚至可以直接從你訓(xùn)練的這款機(jī)器人中得到，數(shù)據(jù)十分準(zhǔn)確。

這也就是為什么這類的工作對工作人員的身高有要求:「如果是一個兩米的人，但是機(jī)器人的胳膊只有一米六的人那么長，那么有可能出現(xiàn)機(jī)器人再往前夠，我手已經(jīng)沒法再往前伸了的情況。」戴若犁表示。

在這類的工作中，采集數(shù)據(jù)的手段，也會有一些略微的差異。

一些采集采用工作人員在一旁觀察機(jī)器人的動作的方式進(jìn)行，是否成功直接由工作人員的肉眼判斷。

而另一些招聘要求中則提到使用 VR 設(shè)備。這種采集通常是讓操作機(jī)器人的人員，戴上 VR 眼鏡，直接以機(jī)器人的視角進(jìn)行觀察——機(jī)器人本體上會存在視覺傳感器，戴上 VR 眼鏡的工作人員，相當(dāng)于看到的就是機(jī)器能看到的狀態(tài)，這時候再進(jìn)行遙操作，又能記錄下更多的數(shù)據(jù)。

遙操作的設(shè)備本身也不只有動作捕捉一種。筆者接觸到的另一個機(jī)器人公司，就自研了自己的外骨骼遙操作裝置。操作人員在身上背上外骨骼，做動作，將動作傳遞到機(jī)器人身上。該機(jī)器人公司表示，這種框架下能記錄到的關(guān)節(jié)轉(zhuǎn)角更多。

去年 8 月，特斯拉也傳出要招聘員工進(jìn)行機(jī)器人的數(shù)據(jù)采集，招聘崗位提到要求員工每天步行超過 7 小時，攜帶重達(dá) 30 磅的設(shè)備，并長時間佩戴 VR 頭顯。

戴若犁推測，很有可能就是穿上了外骨骼設(shè)備進(jìn)行數(shù)據(jù)采集。純動捕設(shè)備的話，全部加一塊不會超過 4 公斤。另一種可能就是工作人員要采集非常多的全身動作，直接把采集數(shù)據(jù)的電腦背在身上了。

「雖然正常的走路動作，并不需要采集模仿學(xué)習(xí)的數(shù)據(jù)就能進(jìn)行訓(xùn)練。但是到俯身、協(xié)同等動作的時候，人的重心是怎么動的，在一個動作中左右的重心是怎么分配的，如果能夠獲得數(shù)據(jù)，對于機(jī)器人的運(yùn)控仍然是有參考意義的。」戴若犁表示。

質(zhì)量次高的，則是半合成數(shù)據(jù)。也就是筆者看到的第二種崗位。

半合成數(shù)據(jù)中，動作仍然是由真實人類完成，但是收集的機(jī)器人數(shù)據(jù)，則不來自機(jī)器人本體，而來自于虛擬環(huán)境。

「半合成數(shù)據(jù)是人操作虛擬世界里的假機(jī)器人本體抓假杯子。在英偉達(dá)等公司的努力下，虛擬世界里的，重力、力矩、摩擦、水流目前都已經(jīng)能模擬地很好了。虛擬世界的機(jī)器人也在通過虛擬的電機(jī)運(yùn)行，整套建模下來，就離現(xiàn)實很接近了。」戴若犁表示。

使用虛擬的機(jī)器人，仍然需要克服機(jī)器人真實本體和虛擬本體的差異，專業(yè)術(shù)語叫做 sim-to-real gap，但作為一個性價比更高的方案，也在廣泛得到采納。

象限的另外兩端，則是目前技術(shù)難度更高的兩種采集方式。

一種是直接使用動捕設(shè)備，從真人身上采集數(shù)據(jù)。這種方法類似于遙操作，但是直接省去了機(jī)器人本體。相當(dāng)于為真人進(jìn)行了數(shù)學(xué)建模，再將這個數(shù)據(jù)再轉(zhuǎn)而用在機(jī)器人中。好處在于采集到的數(shù)據(jù)不需要考慮機(jī)器人本體構(gòu)型的差異。

而另一只是純粹使用合成數(shù)據(jù)，不經(jīng)過任何真人的參與。這種方法的好處是，可以大規(guī)模進(jìn)行拓展，而不必受到任何現(xiàn)實世界的限制。

這兩種方式目前都有公司在進(jìn)行探索，但并沒有成為*范圍內(nèi)的主流。如果只是某個機(jī)器人公司出資為自己的機(jī)器人收集數(shù)據(jù)訓(xùn)練，針對性地收集某款真機(jī)的數(shù)據(jù)，仍然效果*。每經(jīng)過一層抽象，數(shù)據(jù)本身的準(zhǔn)確性還是會受到一定損失。

這也就是為什么筆者面試的機(jī)器人數(shù)據(jù)崗只設(shè)置了前兩種崗位的原因。

四、動作采集崗，或許未來將和

語言數(shù)據(jù)標(biāo)注崗一樣普遍

既然機(jī)器人數(shù)據(jù)這么難收集，而筆者看到的招聘崗位的人員工資并不高，那么為什么不大批招聘，迅速采集到大量數(shù)據(jù)，馬上讓機(jī)器人落地使用呢？

在戴博士口中，筆者聽到了一個意外的答案。限制機(jī)器人企業(yè)無限采集數(shù)據(jù)的，更多的是成本。這個成本中*的一部分，反而不是人力和采集設(shè)備，而是機(jī)器人本身。

他算了一筆賬:效果*的采集機(jī)器人本體真實數(shù)據(jù)的采集席位，標(biāo)配就是一個機(jī)器人本體，一套電腦裝備，一個動作捕捉人員，可能還需要一個操作電腦的數(shù)據(jù)采集人員。

其中最貴的，就是機(jī)器人的本體，目前機(jī)器人本體，基本上價格在幾十萬的量級。

動捕設(shè)備相比之下要便宜許多，在幾萬到十幾萬的量級——不過，普通的慣性動捕設(shè)備，是厘米級精度的。對于一般的動作采集是夠了，如果是精細(xì)的手部動作采集，可能還不夠，還需要增加光學(xué)動捕設(shè)備，這又是一筆支出。

而人員、場地費(fèi)用，又是一筆支出。疊加起來，即使目前國際前沿的機(jī)器人企業(yè)，目前建設(shè)的機(jī)器人數(shù)據(jù)采集場地，量級也通常在小幾百的席位量級而已。

換成半合成數(shù)據(jù)的采集方式的話，其中最貴的機(jī)器人本體的成本能夠減少——在筆者接觸到的機(jī)器人中，半合成數(shù)據(jù)并沒有使用機(jī)器人本體操作，而是只是使用了機(jī)械臂，成本大大降低了。

這樣算下來的話，目前動作數(shù)據(jù)采集崗，似乎只是一個能夠在全世界范圍內(nèi)提供幾千至幾萬個新興工作崗位。

不過，隨著機(jī)器人技術(shù)獲得越來越多的資本關(guān)注，這一點未來或許會發(fā)生變化。

在傳統(tǒng)的人工智能領(lǐng)域，這樣的事情已經(jīng)發(fā)生過一遍。促成了現(xiàn)在全世界驚嘆的大語言模型，背后是無數(shù)的數(shù)據(jù)標(biāo)注員，在標(biāo)注哪些是人類想要的答案，哪些是人類會說的回答。

資料顯示，我國各地發(fā)展的數(shù)據(jù)標(biāo)注基地，已經(jīng)對就業(yè)產(chǎn)生了很強(qiáng)的影響。比如，日照數(shù)據(jù)標(biāo)注基地，2024 年從業(yè)人員突破 1.1 萬人。

而在世界范圍內(nèi)，數(shù)據(jù)標(biāo)注行業(yè)，甚至產(chǎn)生了許多估值很高的企業(yè)，比如美國企業(yè) scale.ai，2024 年估值已經(jīng)達(dá)到 138 億美元。

隨著人工智能的發(fā)展，使用人工智能進(jìn)行數(shù)據(jù)標(biāo)注已經(jīng)成為慣常操作，但是數(shù)據(jù)標(biāo)注的職業(yè)也沒有被取代，反而得到了越來越大的發(fā)展。

為機(jī)器人提供數(shù)據(jù)標(biāo)注的職業(yè)，看起來才剛剛興起。

雖然機(jī)器人還沒有占領(lǐng)地球，但機(jī)器人已經(jīng)開始「奴役」人類教他們干活了。

未來，或許你的孩子的工作，就是教機(jī)器人如何切菜炒菜，而你，則在養(yǎng)老院里，享受機(jī)器人為你做的飯。