51World 如何用 AperEgo 與 AperOS 蒐集人形機器人訓練資料

1. 記錄： AperEgo 在使用者執行任務時，擷取第一人稱視覺、動作與聲音資訊。
2. 補充手部細節： 腕部及手指設備記錄伸手、抓握及操作物件等動作。
3. 同步： 對齊不同感測器的資料流，讓各種資料描述同一個動作。
4. 篩選： AperOS 在資料上傳及後續處理前，移除公司認定為無效的資料。
5. 準備訓練： 剩餘資料可用於開發具身 AI 模型，以及改善機器人學習流程。

51World 宣稱能帶來哪些效能提升？

51World 行政總裁李毅表示，軟硬體整合系統可將資料精確度提高至 99%。他認為，更高的精確度可讓機器人學習更準確、更有效率，並改善資料蒐集、資料利用、模型訓練及泛化能力等環節。

不過，這個數字目前應被視為 51World 的公司說法，而不是已獲獨立驗證的基準測試結果。現有報道說明了公司的功能主張，但未提供外部測試方法、對照資料集或第三方驗證。這個區分相當重要：更乾淨的示範資料或許有助於訓練，但機器人最終表現仍取決於模型、硬體、任務內容、運作環境及評估方式。

為什麼「資料層」對人形機器人重要？

人形機器人必須在不斷變化的實體環境中，同時協調感知與動作。高品質的人類示範資料，可能協助開發者教導機器人更可靠地應對不同物件、空間及精細操作任務。換句話說，51World 瞄準的是具身 AI 背後的資料管線，而不是自行打造一款人形機器人。

這項布局也正值中國人形機器人產業嘗試從展示原型走向商業化的階段。TrendForce 預估，隨著產量提升及應用擴大，中國人形機器人市場將於 2026 年達到 150 億元人民幣（約 22 億美元），並在 2027 年維持至少 60% 的增長。相關應用涵蓋汽車、3C 電子、航空航天、物流及能源等領域。

這項市場預測並不能證明 AperEgo 或 AperOS 將推動上述增長，但它反映出資料工具的戰略價值正在上升：當更多機器人從展示走向實際部署，開發者需要能夠大規模產出可重複、可使用示範資料的資料管線。