Ropedia发布HOMIE Gen2：具身智能的下一场竞争，是经验的规模化生产｜甲子光年

当“经验”成为物理世界的提示词，谁来规模化地生产它？

8月19日，Generalist AI发布了新一代具身基础模型GEN-1.5。展示了一种名为physical prompting（物理提示）的能力：把一段几秒钟的真实演示片段放进上下文，机器人不经重新训练，就能直接上手一个新任务。演示即提示，在10项测试任务上，仅凭单次演示的平均成功率即达59%。

比起技术细节，这件事真正值得注意的是它释放的信号：头部模型公司已经证明了，高质量的人类经验片段，可以像提示词一样直接驱动机器人。既然经验怎么用已经有了答案，那么行业接下来面临的问题是，经验从哪来。

1.供给，卡在成本结构上

供给难，先难在成本。行业主流的采集方式仍是遥操作：一名操作员配一台机器人，手把手逐条示范。机器人本体动辄数十万元，一人一机的配比让数据产能被死死锁在机器人保有量上；换一个场景就要搬一次设备、重做一次布置，多样性也上不去。机器人数据长期又贵又稀缺，原因就在这里。

更隐蔽的一道坎是质量。具身数据圈流行一句话：数据越来越多，能用的始终很少。大量数据处在“混沌状态”，时间戳对不齐、模态不同步、标注残缺，采回来还要再花一遍清洗整理的钱，真正能直接进训练的寥寥。

数据供给的两道坎

因此，产业竞争的逻辑正在换轴：从“谁的模型更大”，转向“谁的数据闭环转得更快”。需求端已被GEN-1.5验证，供给端却仍卡在成本与质量的双重约束里。

2.一台为“生产经验”而造的设备

就在GEN-1.5发布几天后，「甲子光年」获悉，总部位于新加坡的Physical AI公司Ropedia正式发布新一代多模态采集系统HOMIE Gen2，并将在全球多地公开发售。这是这家公司十二个月里的第四代采集硬件；今年3月，他们刚刚发布了千万片段级的数据集Xperience-10M。

HOMIE Gen2示意图

时间上的巧合背后，是同一条产业逻辑：模型侧证明了经验的价值，供给侧就必须有人把经验做成可规模化的产品。HOMIE Gen2对准的，正是这个缺口。

在展开介绍这台设备之前，值得先厘清Ropedia反复强调的一个区分：经验，不等于视频。

联合创始人兼CEO陈昭熹打过一个比方："学做一道菜，只看别人做的视频，你可能知道最后成品长什么样；但真正亲手做过，才会知道什么时候下锅、该用多大力、食材发生了什么变化。"看视频得到的是画面，亲手做过得到的才是经验：手上的力度、时机的把握、每一步操作和食材变化之间的对应关系。

在他们的定义里，视频、RGB、动作捕捉、深度，任何单一模态都不是经验，把它们简单叠在一起也不是；只有当动作、意图、环境、时序上下文与多模态信息同时在场、互相对齐，一段记录才称得上经验。类比语言模型会更直观：LLM学的是人类写下的内容，Physical AI要学的，是人类做了什么、世界如何回应、接下来发生了什么。

Ropedia HOMIE GEN2 Demo

竞争的焦点随之改变：比的不再是小时数，而是每一小时里，装进了多少对得齐的信息。

HOMIE Gen2的能力，可以概括为三点：沉浸式的人类经验、多模态的协同理解、开箱即用的交付质量。翻译成商业语言：采得全，对得齐，拿来就能训。

采得全，靠的是一台约380g的头戴设备：4目全景实现360°无死角覆盖，外加4路空间音频，支持约13小时连续采集，不需要任何外部布置，家庭、工厂、商场都能直接开工。

对得齐，靠50µs级的多传感器同步：视频、深度、位姿、手部与全身关键点、多层文本标注等十余种模态，被压在同一时间轴、同一坐标系里；多台设备还能同步作业，从不同人的视角一次采全同一个场景。

拿来就能训，则体现在一组可量化的精度指标上。据Ropedia基于金标准样本集的测试：空间定位平均相对误差约千分之二，手部21关键点动捕平均误差4.68 mm，深度范围误差低于2.5%，动作语义标注准确率96.0%。对数据买方而言，这意味着省掉二次处理，直接进训练。

HOMIE Gen2精度测试指标

据Ropedia介绍，相比上一代方案，HOMIE Gen2的部署速度提升约10倍，采集成本降至约1/12.5；量产产能可达约万台规模，面向社区开发者的计划也将推出，入选者可免费获得硬件与API额度。

3.从一台设备，到一条产线

真正让HOMIE Gen2具备规模化潜力的，不只是参数提升，更重要的是它改变了数据采集的成本结构。

传统遥操作需要“一个人配一台机器人”，因此能采多少数据，很大程度上取决于有多少机器人可以投入使用。机器人数量有限、成本又高，数据产能自然很难快速扩大。而无本体采集不需要机器人参与，只要有人佩戴设备，就可以在真实环境中持续产生数据。 换句话说，前者的规模上限是机器人数量，后者的规模上限则是人。

公开研究已经表明，即使只是使用单摄像头记录第一视角视频，当数据规模从两万小时扩大到百万小时，模型能力仍然能够持续受益于数据增长。在 Ropedia 看来，这还只是人类经验最基础的一种形态；如果能够进一步记录更完整、更丰富的多模态经验，其价值还有更大的提升空间。

对Physical AI而言，最庞大的采集网络其实早已存在：每天都在与物理世界打交道的几十亿人。HOMIE Gen2要做的，是让这张天然存在的“人类网络”成为可以持续生产训练数据的网络。当数据采集的节点从昂贵、稀缺的机器人变成人之后，数据生产也就有机会从“小规模项目制采集”，走向真正的大规模复制。

单台设备解决的是采集问题，而Ropedia想做的是把采集、加工和模型反馈串成一个完整闭环。在这套体系里，硬件采集经验，数据基础设施加工经验，模型进一步理解经验并反哺系统，最终以Xperience Dataset的形式向客户交付。

把硬件采回来的原始数据变成可训练经验的，是中间的数据基础设施层：智能体驱动的数据流水线，把处理从手工调参推进到自动化；顶层的多模态模型则自动标注新流入的经验，再部署回硬件，为下游策略模型提供能力。真实世界的经验没法像网页一样被爬取，只能像产品一样被生产，这套三层结构，就是 Ropedia 搭建的“经验生产线”。

Ropedia自研的自我演进基础设施

这套体系已经有了可检验的产出。此前发布的旗舰数据集Xperience-10M包含约1,000万个真实世界交互片段、1万小时带音频的第一视角视频，总规模接近1PB；据了解，Ropedia已服务超过20家全球机器人及基础模型团队，并完成了数千万美元天使轮融资。

这套体系背后，是持续向采集源头延伸的硬件能力。十二个月里，Ropedia从3D打印原型机“竹蜻蜓”，一路迭代到完成首笔销售的R-Ego、产品化的Gen1，再到今天的Gen2；CMOS、PCB与结构件均坚持自研。四代设备的连续迭代，也让采集、数据处理与模型能力得以同步演进。在Ropedia的定义里，这系列设备是一个新品类：Human Experience Engine®。通过采集的经验训练模型，模型的能力缺口反过来定义下一轮采集什么，飞轮每转一圈，数据就更有方向。

4.终局：在马车时代开始“点火”

这条路，通向哪里？陈昭熹把今天的机器人行业，比作汽车尚未普及的马车时代：真正的"汽车"，也就是大规模部署的机器人，还没有来到路上；但驱动它们的燃料，可以先准备好。人类经验，正是点燃新时代的"点火阶段"。

因此，他对公司的定位很清晰："Ropedia绝不只是一家数据采集公司，数据采集只是第一步。"三到五年后，他希望这家公司成为覆盖数据、硬件、基础设施与模型的机器人学习基础设施公司。

回到开头：GEN-1.5证明了经验作为"物理提示词"的用法，而 Ropedia 押注的，是成为这种提示词的规模化供给方。当具身智能的竞争从模型层下沉到数据的成本结构，这场战争，才刚刚开始。

END.