机器人执行任务的记录，什么时候才算一份真正可用的高质量数据？ 

2025 年，Hugging Face 围绕 LeRobot 社区数据集展开的一项讨论《LeRobot Community Datasets: The「ImageNet」of Robotics—When and How?》，关注的正是机器人数据如何实现更广泛的协作采集与复用。文章指出，目前大多数机器人数据集仍来自相对结构化的学术环境，即使演示数据规模达到百万级，如果数据贡献仍集中于少数数据集，其多样性依然有限。与汇聚互联网海量图像的 ImageNet 不同，机器人领域仍缺少一个能够广泛连接不同数据贡献者、覆盖多元真实环境的社区化数据体系。

这场讨论也折射出具身智能数据生产面临的双重课题：既要拓展数据来源，让机器人接触更多类型的真实任务，也要丰富数据采集维度，让操作过程中更精细的物理交互信息得到记录。而如何让技术能力、真实场景与专业数据生产力量建立连接，让分散在不同领域的操作经验有机会转化为高价值的训练资源，正在成为产业需要探索的方向。 

在这一背景下，帕西尼与 58 同城旗下 58AIR 达成战略合作，共同探索「1+1+N」开放合作模式：以帕西尼的高精度触觉感知技术为技术支点，以 58AIR 依托 58 同城生态连接的多元作业场景为场景支点，并联合多家专业数采企业，共同共建构建多节点协同的产业化数据采集网络。

开放合作，核心是让能力各归其位

机器人数据生产并不只是采集设备的工作。感知技术决定操作过程中哪些物理交互信息能够被记录，真实场景带来不同类型的任务，专业采集团队则需要结合设备与现场条件开展数据采集。三类能力各有侧重，也需要围绕具体任务形成衔接。 

帕西尼与 58AIR 共建的「1+1+N」模式，正是将技术、场景与专业数采力量纳入同一协作框架。

两个「1」分别对应技术与场景。帕西尼在高精度触觉感知领域的技术积累，为机器人操作中的接触状态、受力变化等物理信息提供采集基础；58AIR 则依托 58 同城生态，连接家政、维修等多元作业场景，为数据生产带来真实生活的任务来源。一个侧重感知信息的获取，一个侧重真实任务的连接，构成了合作的基础。

「N」则代表专业数采企业的开放参与。不同专业主体在设备配置、任务经验和现场组织等方面各有积累，可以根据具体任务参与数据生产，为不同类型的任务匹配相应的采集力量，使更多真实场景中的操作过程与物理交互信息得到记录，进一步丰富机器人训练数据的来源与维度。

「N」的意义，不在于参与者的简单叠加，在于让多元专业能力与真实任务产生精准交汇。 

在这一协作模式下，企业可以将自有采集设备接入帕西尼的「1」——触觉感知平台，由帕西尼以专业触觉感知技术为其赋能；同时接入 58AIR 的「1」——真实场景平台，使采集设备与真实作业场景形成更直接的连接。这样，企业既能保留自身采集体系的主体性，也能在既有设备基础上引入触觉感知能力，并结合真实任务开展数据采集，为机器人在多样化环境中的感知和操作训练提供更丰富的数据基础。 

对于帕西尼，触觉感知技术由此有机会拓展更多应用场景；对于 58AIR，原有的社会服务场景也有了进入具身智能数据领域的连接路径；对于专业数采企业，则获得了接入感知技术与真实作业场景、参与多样化数据生产的机会。

「1+1+N」通过建立稳定的任务协作关系，让不同主体的专业能力能够随着数据需求不断汇聚与延展。它所探索的，是一种在企业自身积累之外，进一步汇集产业专业能力、拓展数据生产边界的组织方式。

数据生态真正的竞争力，藏在持续生长中

具身智能需要的，不只是丰规模更大的数据集，还包括可复用、可泛化的高质量数据，更需要一套能够持续生产高质量数据的产业体系。此次合作也是帕西尼推进 PaXini inside 开放合作生态的重要实践。作为帕西尼面向产业伙伴发起的开放生态计划，PaXini inside 旨在连接技术、场景及产业合作力量，推动不同领域的专业能力形成协作。此次帕西尼与 58AIR 的合作，正是这一生态理念在数据生产领域的具体探索。 

当机器人开始面对真实世界中千差万别的任务，数据生产也需要具备持续拓展的能力。能够不断接入新场景、适配新任务、汇聚新能力的数据网络，才有机会跟上具身智能走向真实世界的速度。

来源：互联网