日薪百元的机器人“老师”：具身智能背后的数据民工

具身智能机器人正忙着学干活，而专门教它们动作的“人类老师”已经形成了一条庞大的流水线。

他们被称为机器人数据采集员。叠衣服、铺床单、洗碗、给纸箱贴标签——这些人类日常生活中司空见惯的动作，是采集员每天需要反复演示的任务。被设备记录下来的动作轨迹与视觉信息，经过审核清洗后，将成为训练具身模型的核心养料。

目前主流的采集路径主要有三条：一是遥操作，操作者戴着 VR 头显远程控制真实的机械臂或人形机器人；二是使用 UMI 这类手持夹爪，人类直接握着仿真夹爪作业以记录轨迹，无需实体机器人参与；三是采集 Ego 第一视角数据，将轻量相机固定在胸前或头部，记录正常做家务的全流程。

多位一线从业者分享了他们在具身智能热潮下的真实经历。

重复劳动与身体负荷：高科技下的“新流水线”

来自山西的兼职采集员小孙表示，他最初以为这是一份充满科技感的体验，入职后才发现工作更接近工厂流水线。上岗时需要佩戴 VR 头显、背着电池包、双手握着笨重的夹爪。为了训练多模态数据，即使是叠衣服，也不能固定在同一位置，T恤、外套、裙子都得轮流叠，且角度必须不断变换。

这类岗位白班日薪约 120 元，晚班 135 元，考核重点在于有效时长（通常要求一天至少录满 3 小时合格数据）。由于夹爪重量通常超过半斤且不够灵敏，长时间抬臂操作极易引发肩颈酸痛，加上头显压迫，导致该工种流动性极大，许多年轻人干一两周便离职。

在广州从事采集工作的李哲也有类似体验。他负责给快递贴标签，工作时需要戴着沉重的手套配合头显，只要手部动作移出拍摄画面，整条数据就会作废。即便每天顶着设备工作，干了几个月他也未曾见过一台实体机器人。

摸索机器“手感”：从无意识动作到模型反馈

尽管流程枯燥，部分从业者依然从中找到了技术交互的趣味。北京灵御智能的采集员郑郑形容自己就像机器人的“幼师”。

在长期遥操作机器人的过程中，她逐渐摸索出机器的物理局限：“有些动作正手别扭，换成反手就容易完成；机械臂活动范围有限，出手位置不对就会失败。”更耐人寻味的是，人类的习惯会被具身模型忠实继承。郑郑在操作时常会无意识地空夹两下爪子，后来训练出的模型在执行任务时，机械爪也会在半空中习惯性抖动。

就业过渡期与数据壁垒

在重庆居家办公的小然把这份工作当成职业空窗期的跳板。她只需头戴轻便相机完成日常家务，每天铺 50 次床单或叠数十次被子，月收入在 5000 元上下，同时享有社保。虽然工作如同打螺丝，但时间自由度高。

带着团队在江苏接单的宋宇则指出，数采行业极其看重操作精度。“前阵子因为一个参数没调好，几百小时的数据直接作废。”他认为，虽然仿真合成技术正在快速迭代，但在真实物理世界中，真人示范的高质量数据在有效性与综合成本上仍具优势。

具身智能的宏大叙事背后，正是无数劳动者日复一日的肢体演示，在为下一代 AI 拼凑起理解物理世界的基础砖瓦。