第 1章 具身智能技术概述 8
1.1 具身智能的基本概念 8
1.2 从“数字大脑”向“具身主体”的范式转变 10
1.3 具身智能产业发展趋势 11
1.3.1 投资增长 12
1.3.2 产业链成长 14
1.3.3 应用领域扩大 16
1.4 具身智能数据工程 18
第 2章 具身智能数据工程基础 20
2.1 具身智能的数据来源 20
2.2 具身智能的技术路线 24
2.3 具身智能的数据需求 26
2.3.1 训练的需求方模型 26
2.3.2 模型训练的数据需求 27
2.4 具身智能的数据瓶颈 28
2.4.1 数据需求期望公式 28
2.4.2 数据瓶颈 29
第3章 具身智能机器人数据采集系统 30
3.1 具身智能机器人数据采集系统架构 30
3.1.1 具身智能机器人数据采集系统设计原则 30
3.1.2 具身智能机器人数据采集系统架构分类 31
3.2 真实世界数据采集系统 36
3.2.1 遥操作类数据采集系统架构 36
3.2.2 示教类数据采集系统架构 41
3.3 仿真环境数据生成系统 43
3.3.1 仿真环境数据生成系统架构 43
3.3.2 仿真环境数据生成系统的使用 47
第4章 具身智能数据标准 50
4.1 具身智能数据集分类 50
4.1.1 演示数据集 51
4.1.2 具身问答数据集 62
4.1.3 基准数据集 70
4.2 机器人训练数据集基本规范 78
4.2.1 机器人训练数据集基本架构规范 78
4.2.2 机器人训练数据集基本指标规范 83
4.3 人形机器人数据采集规范 85
4.3.1 人形机器人数据采集模型 86
4.3.2 人形机器人数据要求 91
4.3.3 人形机器人数据采集质量与安全要求 94
第5章 具身智能的真实世界数据采集技术 97
5.1 遥操作类数据采集技术 97
5.1.1 位姿类遥操作技术 98
5.1.2 视觉类遥操作技术 109
5.1.3 光惯类遥操作技术 116
5.2 示教类数据采集技术 122
5.2.1 直接示教技术 122
5.2.2 间接示教技术 123
5.3 小结 137
第6章 具身智能的仿真环境数据生成技术 138
6.1 机器人仿真平台简介 138
6.1.1 仿真平台的特性 138
6.1.2 仿真平台的发展 139
6.1.3 常见机器人仿真平台 140
6.2 仿真环境数据生成技术 148
6.2.1 轨迹合成 150
6.2.2 资产合成 154
6.2.3 决策生成 159
6.2.4 预测生成 168
6.3 小结 176
第7章 工业机器人的数据采集 178
7.1 工业场景的分类与机器人能力需求 178
7.1.1 工业场景的分类 178
7.1.2 工业机器人的能力需求 181
7.2 工业机器人的数据采集需求 183
7.2.1 采矿业机器人的数据采集需求 183
7.2.2 制造业机器人的数据采集需求 184
7.2.3 电力、热力、燃气及水生产和供应业机器人的数据采集需求 185
7.2.4 建筑业机器人的数据采集需求 187
第8章 服务业机器人的数据采集 189
8.1 服务业场景的分类与机器人能力需求 189
8.1.1 服务场景的分类 189
8.1.2 服务业机器人的能力需求 191
8.2 服务业机器人的数据采集需求 192
8.2.1 家庭服务机器人的数据采集需求 192
8.2.2 商业服务机器人的数据采集需求 193
8.2.3 医疗服务机器人的数据采集需求 195
8.2.4 教育服务机器人的数据采集需求 196
8.2.5 公共服务机器人的数据采集需求 197
第9章 通用具身智能数据生产平台AIRSPEED 199
9.1 AIRSPEED系统设计 199
9.1.1 AIRSPEED数据采集服务设计 201
9.1.2 AIRSPEED数据生成服务设计 204
9.1.3 AIRSPEED数据集构建服务设计 205
9.1.4 AIRSPEED兼容性设计 207
9.2 AIRSPEED数据采集实践 214
9.2.1 ROS 2架构示例 214
9.2.2 基于光惯遥操作系统的数据采集 216
9.2.3 实践结果 222
9.3 AIRSPEED数据生成实践 223
9.3.1 ROS 2架构 223
9.3.2 基于虚拟遥操作系统的数据生成 224
9.3.3 实践结果 226
9.4 AIRSPEED数据飞轮实践 227
9.4.1 基于ACT算法的数据飞轮 227
9.4.2 实践结果 229
9.5 小结 230
第 10章 总结与展望 231
10.1 当前技术的局限性 231
10.2 具身智能数据隐私与安全挑战 237
10.3 未来发展趋势 239
