近日，具身智能領域的真實數據采集技術迎來重要突破。螞蟻數科天璣實驗室團隊推出了一款名為AoE（Always-OnEgocentric）的持續性第一人稱視頻采集框架，以低成本、輕量化的方式，為具身智能的數據采集提供了全新解決方案。只需一部手機和一個成本低于20美元的頸掛式支架，即可替代以往動輒數萬美元的專業采集設備，有效化解了具身數據采集成本高昂、規?；y的行業難題。相關技術論文已在Arxiv平臺發布。

隨著基礎模型的持續演進，模型的泛化能力與跨場景適應性愈加依賴于真實世界交互數據的規模、質量與覆蓋廣度。AoE的核心創新在于將“人+手機”轉化為可持續運行的輕量數據節點。其載體是一款符合人體工學的頸掛式支架，通過機械夾具或磁吸等方式將手機穩固于胸前，持續采集貼近用戶視角的第一人稱畫面，從而完整記錄人類在自然交互過程中的操作細節。

在技術表現上，AoE方案實現了毫米級的軌跡跟蹤精度與超過90%的手部關鍵點識別準確率，并支持數千臺設備并行采集與云端自動化處理。以宇樹G1機器人執行關電腦任務為例，僅依靠50條遙操作數據時成功率為45%，引入200條AoE采集的真實數據后，成功率提升至95%。在數據匱乏的情況下，AoE發揮了關鍵的“啟動學習”作用，有效支撐模型從零開始構建基礎能力。

低成本采集僅為起點。研究團隊進一步攻克了“長視頻轉化為訓練數據”的技術難關。該方案依托端側輕量級視覺模型，自動識別手物交互行為并觸發錄制；隨后借助大語言-視覺模型，將連續視頻切分為帶有語義標簽的原子動作片段；最終通過云端自動標注、清洗與過濾，將原始視頻轉化為高質量、標準化的訓練數據集。

此外，AoE構建了一套完整的端云協同體系，實現了從數據采集、預處理、清洗、篩選到調度的全流程自動化，有效降低人工介入的同時，大幅提升了整體數據處理的吞吐量與效率。