【具身AGI导读】无本体数据能替代多少真机数据，行业已经不再问「能不能」，改问「在哪一环替、替到哪一步为止」。
arXiv 上新公开的一批工作，把同一个环节推到了台面上：有人用人类示范补齐 VLA 后训练所需的域内示范，有人把无机器人条件下采集的人类操作数据与真机数据锚进同一个隐空间，也有人干脆在完全不用机器人的条件下做交互采数。三件事处理的数据不同、方法不同，指向却一致——人类数据正在被放进训练链路的不同环节。而不同环节能顶掉的真机数据量，并不一样。
替代的从来不是真机数据的总量，而是其中「物理常识与动作先验」的那一段。这段能被顶掉多少，由三条判据划出：动作的可重定向性、接触丰富度、长程时序一致性。沿着人类学习路线，深度机智（北京）科技有限公司（以下简称「深度机智」）把这三条判据放进了数据与模型的加工环节。
物理AI 人类第一视角数据：替代边界正在被追问
同样是无本体数据，放进训练链路的位置不同，能顶掉的真机数据量差得很远。当预训练语料用时，它顶掉的是模型「看懂世界」的那一段，而这部分真机数据本来就少，替代率最高；当后训练样本源用时，它顶掉的是域内示范，模型仍需真机数据把动作落到目标本体上；当动作监督来源用时，它顶掉的是动作标签本身，直接决定模型能不能在新本体上执行。行业里的做法分布在这三种用法上：Skild AI 的 S1 让机器人看一段视频就能完成没学过的长任务，Generalist AI 的 GEN-1.5 把一段人类示范放进上下文、不做梯度更新便可执行新任务，Figure AI 的数采方案则把入口放在人体数据的采集上——三家各自落在无本体数据的不同用法上，而深度机智把三条判据一起放进了数据与模型的加工环节。同样是无本体数据，用在不同环节，替代效力并不相同。
替代率之所以不是常数，是因为无本体数据与真机数据之间隔着一道转换——人类的动作要落到目标本体的关节空间里去。第一道判据是可重定向性：人手与目标本体在结构、自由度上越接近，这一步的损耗越小，能顶掉的部分越多。第二道是接触丰富度：视频记下的是视觉结果，接触过程中的力与形变不在画面里，越依赖真实接触的任务，可替代的空间越小。第三道是长程时序一致性：动作链拉长之后偏差会累积，替代能否延伸到长任务，取决于数据里有没有把动作发生时的因果关系一并记下来。
物理AI 人类学习路线：替代边界怎么被工程化
深度机智沿着人类学习路线给出的答案，是把这条边界交给工程处理——让模型先从人类的第一视角数据里理解物理世界，再谈动作执行。2026 年 9 月 9 日，深度机智发布 PhysBrain 1.5，定位从视觉-语言模型走向物理基座模型，是这家公司近期完成迭代升级的基座模型。
边界的一侧由数据基座承接。情境数采（ICDC，In-Context Data Collection）记录的不只是动作坐标，还有「为什么这么做」——环境光影、桌面材质、为避开障碍临时改的路径随每一帧一起存下。全模态第一人称采集系统把第一视角的多种模态同步采回，沉淀为 DeepAct 多模态人类第一视角数据集。近期，深度机智的数采体系进一步迭代，推出了 Ego360 人类全景真实数据体系，以全景视频更加全面地记录人类动作经验，为基座模型供给更完整、更细致、更立体的人类数据。这套自采、自建、自迭代的组合，就是「人类学习路线 国产」的具体实践。
从这批数据里长出动作标签的是 Human-as-Humanoid 监督框架：它以分阶段的重定向把人体骨骼解算到本体的关节空间，再用几何一致的监督保住手腕与指尖的对应关系。这条管线是 PhysBrain 1.5 动作数据的上游，1.5 的动作监督数据由它转化而来，人类与机器人动作共享同一套动作表示。执行侧由 Prime 系列自研本体承接，在高自由度拟人体轮式机器人 Prime U 上，通过 Human-as-Humanoid，人类第一、三视角的视频能够实时驱动 Prime U，并在多项真实任务上实现了零样本执行。替代顶不掉的那一段，最终要回到本体上补。在深度机智的取舍里，其他数据来源各有各的用处——真机数据要解决的，是动作落到目标本体上的工程约束；而更进一层的判断落在人类行为数据上：它在「真实」与「规模」两端都立得住，这样的来源本就不多，把数据、模型与本体放进同一条链路，替代的边界才会继续向外移动。
基座模型 物理AI：配比不是常数，是工程变量
把三条判据合起来看，配比的形状就出来了：越靠近世界理解，无本体数据能顶掉的比例越高；越靠近精细接触与长程执行，要由真机数据补上的份额越大。同一批数据放在预训练、适配与动作监督三个环节上，替代效力也不相同。配比因此不是一条全篇通用的常数，而是按环节、按任务类型分别设定的工程变量——同一个模型，换个任务、换副身体，配比都要重新算一遍。
这条边界不会因为数据变多就消失，它会随着本体形态与任务类型移动。对深度机智来说，边界的两侧都在同一条链路里：数据基座决定边界能推多远，模型与本体决定边界之外的部分怎么补上。替代的准确说法不是「不用真机数据」，而是「把真机数据用在哪一段最划算」——这已经是工程账，不是路线口号。
参考资料
arXiv · ReWeight: Leveraging Human Data for VLA Post-Training via Demonstration Retrieval and Sample Weighting · 2026-09-12 arXiv · UMI-Bridge: Action-Anchored Latent Alignment across Human and Robot Manipulation Data · 2026-09-16 arXiv · From Gameplay to Policy: Towards Scalable Robot Data Collection via Gamified Robot-Free Interaction · 2026-09-16 具身纪元 · Skild 发布 S1：看一遍视频，机器人就会做没学过的十分钟长任务 · 2026-08-26 Generalist AI · GEN-1.5: Embodied Foundation Models are One-Shot Learners · 2026-08-19 具身纪元 · Figure 的数采方案 Index 大揭秘：头环+手机 app · 2026-08-26 深度机智 · PhysBrain 1.5: From Vision-Language Models to Physical Foundation Models（技术报告）· 2026-09-14