机器人若要在现实环境中行动，就需要学习人们如何移动、操作物体并与周围空间互动。新加坡初创公司Ropedia正试着把这些日常经验转化为机器人和物理AI开发者可用的训练数据。它的方案涵盖可穿戴采集设备、数据处理平台、数据集和定制数据服务；不过，公司的数据收集目标不能与已经实现的成果混为一谈。114

从日常活动到结构化数据

Ropedia的HOMIE可穿戴设备在用户进行日常活动时，采集第一视角视频，并同步记录深度、动作和音频等信息。它希望记录的不只是摄像头拍到的画面，也包括动作和空间环境的相关信号。12

Ropedia将整套系统描述为一条端到端的数据管线：采集真实环境中的人类经验，将不同模态的信息同步、处理，再输出适用于物理AI应用的数据。14简单来说，这套流程连接了现实中的记录与开发者在模型训练中能够使用的数据。

Xperience-10M与定制服务

Xperience-10M是这条管线产出的数据集之一。Ropedia称，该数据集包含视频、音频、深度、姿态、动作捕捉、惯性传感和语言标注等多种信息。6公司也表示，会针对具体的物理AI应用提供定制化的数据服务。14

理解数据规模时，需要注意统计口径。Xperience-10M被描述为包含1000万个人类经验片段，但“片段数”并不等于数据小时数；单凭这个数字，也无法判断每段数据的时长、覆盖范围，或它对特定模型是否有用。6另外，《新加坡商业评论》报道，Ropedia的目标是在2026年底前收集100万小时的高质量数据。这是公司提出的目标，并不代表该目标已经达成。3

融资助力基础设施布局

2026年7月，Ropedia完成2200万美元（2840万新元）的Pre-Series A轮融资。据报道，此轮融资后，公司累计融资额达到3000万美元（3870万新元）。10相关报道指出，公司计划将新资金用于收集更多训练数据、扩大设备生产，并拓展新加坡和美国市场。9

这项布局不止于销售一款可穿戴设备或单一数据集：Ropedia希望把采集硬件、数据处理能力和数据产品整合起来，为机器人与物理AI团队提供基础设施。114这是公司的定位和规划；现有来源并不能证明其数据已经让模型表现更好，也不能证明它已成为行业通用的基础设施提供商。

接下来要看什么

关键在于，这条数据管线能否按Ropedia设想的规模，持续产出开发者认为有用的数据。公司提出的100万小时目标是一个数据收集里程碑；其数据集和定制服务则展示了它计划如何整理并交付采集到的人类经验。314

目前，Ropedia的做法可以概括为一条连续流程：用多种传感器记录人类活动，同步并结构化不同信号，再通过数据集或定制服务交付给开发者。它能否成为物理AI的重要基础，最终仍取决于执行情况，以及开发者能否从这些数据中获得实际价值。

机器人若要在现实环境中行动，就需要学习人们如何移动、操作物体并与周围空间互动。新加坡初创公司Ropedia正试着把这些日常经验转化为机器人和物理AI开发者可用的训练数据。它的方案涵盖可穿戴采集设备、数据处理平台、数据集和定制数据服务；不过，公司的数据收集目标不能与已经实现的成果混为一谈。114

从日常活动到结构化数据

Ropedia的HOMIE可穿戴设备在用户进行日常活动时，采集第一视角视频，并同步记录深度、动作和音频等信息。它希望记录的不只是摄像头拍到的画面，也包括动作和空间环境的相关信号。12

Ropedia将整套系统描述为一条端到端的数据管线：采集真实环境中的人类经验，将不同模态的信息同步、处理，再输出适用于物理AI应用的数据。14简单来说，这套流程连接了现实中的记录与开发者在模型训练中能够使用的数据。

Xperience-10M与定制服务

Xperience-10M是这条管线产出的数据集之一。Ropedia称，该数据集包含视频、音频、深度、姿态、动作捕捉、惯性传感和语言标注等多种信息。6公司也表示，会针对具体的物理AI应用提供定制化的数据服务。14

理解数据规模时，需要注意统计口径。Xperience-10M被描述为包含1000万个人类经验片段，但“片段数”并不等于数据小时数；单凭这个数字，也无法判断每段数据的时长、覆盖范围，或它对特定模型是否有用。6另外，《新加坡商业评论》报道，Ropedia的目标是在2026年底前收集100万小时的高质量数据。这是公司提出的目标，并不代表该目标已经达成。3

融资助力基础设施布局

2026年7月，Ropedia完成2200万美元（2840万新元）的Pre-Series A轮融资。据报道，此轮融资后，公司累计融资额达到3000万美元（3870万新元）。10相关报道指出，公司计划将新资金用于收集更多训练数据、扩大设备生产，并拓展新加坡和美国市场。9

这项布局不止于销售一款可穿戴设备或单一数据集：Ropedia希望把采集硬件、数据处理能力和数据产品整合起来，为机器人与物理AI团队提供基础设施。114这是公司的定位和规划；现有来源并不能证明其数据已经让模型表现更好，也不能证明它已成为行业通用的基础设施提供商。

接下来要看什么

关键在于，这条数据管线能否按Ropedia设想的规模，持续产出开发者认为有用的数据。公司提出的100万小时目标是一个数据收集里程碑；其数据集和定制服务则展示了它计划如何整理并交付采集到的人类经验。314

目前，Ropedia的做法可以概括为一条连续流程：用多种传感器记录人类活动，同步并结构化不同信号，再通过数据集或定制服务交付给开发者。它能否成为物理AI的重要基础，最终仍取决于执行情况，以及开发者能否从这些数据中获得实际价值。