51World推AperEgo及AperOS，瞄準人形機械人訓練數據瓶頸

1. 記錄： 使用者執行任務時，AperEgo擷取第一身視覺、動作及聲音資料。
2. 補充手部細節： 手腕及手指設備記錄伸手、抓握及操控物件時嘅動作。
3. 同步： 將唔同感應器嘅資料流對齊，確保各種數據描述緊同一個動作。
4. 篩選： AperOS喺上載及後續處理前，移除被判定為無效嘅數據。
5. 準備訓練： 經整理嘅數據可以用嚟開發具身人工智能模型，改善機械人學習流程。

99%精準度係公司聲稱，未有獨立驗證

51World行政總裁李毅表示，呢套硬件與軟件整合系統可以將數據精準度提高至 99%。佢認為，更高精準度有助機械人更準確、更有效率咁學習，並可改善數據收集、數據利用、模型訓練及泛化等環節嘅效率。

不過，呢個數字應該理解為 51World提出嘅公司聲稱，而唔係已經獲獨立驗證嘅基準測試結果。目前相關報道未有交代外部測試方法、比較數據集或者第三方核實99%數據。數據更乾淨，的確可能有助訓練，但機械人最後表現仲會受到模型、硬件、任務內容、運作環境及評估方法等因素影響。

點解數據層對人形機械人咁重要？

人形機械人要喺不斷變化嘅實體環境入面工作，就要協調對環境嘅感知同身體動作。高質素嘅人類示範，有機會幫助開發者教機械人更可靠咁應對唔同物件、空間及需要精細動作嘅工作。換句話講，51World今次主力唔係製造一部人形機械人，而係處理具身人工智能背後嘅數據管道。

呢類工具出現嘅時機，亦反映中國正加快推動人形機械人由示範走向商業化。TrendForce預計，中國人形機械人市場喺2026年將達 150億元人民幣（約22億美元），並喺2027年保持至少 60% 增長；汽車、3C電子、航空航天、物流及能源等領域嘅生產規模和應用都預計擴大。

當然，呢個市場預測唔代表AperEgo或者AperOS一定會成為增長動力。但隨住更多機械人由展示原型走向實際部署，能夠大規模收集、篩選及整理實體世界數據嘅系統，重要性只會愈來愈高。對人形機械人嚟講，下一個關鍵問題可能唔單止係「部機械人識唔識郁」，而係有冇足夠可靠、可重複使用嘅例子畀佢學。