行元智能发布跨本体数据引擎 Chorus，机器人训练数据可扩容约 40 倍
把一段人类操作视频转成多种机器人可用的训练数据，是降低具身智能数据成本的关键一步；Chorus 给出的换算结果是单位样本等效成本 5 元/小时。
10 月 27 日，行元智能（Action Intelligence）发布面向机器人预训练的跨本体数据引擎 Chorus 众行。它可以把智能眼镜、胸戴相机、腕部相机、UMI 设备、智能头环等采集的人类操作视频，转换成适配不同机器人本体的预训练数据，让同一份人类示范被多台机器人复用。测试中有效数据转化率约 85%，配合 16 种本体适配与 3 倍指令增广（对同一段动作生成多种语言指令描述），有效训练数据扩容约 40 倍。
正文摘录
.png) 10 月 27 日，行元智能（Action Intelligence）正式发布面向机器人预训练的跨本体数据引擎“Chorus 众行”，支持将智能眼镜、胸戴相机、腕部相机、UMI 设备、智能头环等多种设备采集的人类操作视频，转化为适配不同机器人本体的预训练数据，提升人类数据在机器人训练中的复用效率。测试显示，Chorus 可实现超 40 倍的机器人有效训练数据扩容。  当前，学术界和产业界正在共同探索，如何通过自动化数据引擎将人类操作数据转化为机器人训练数据。但采集成本高、原始数据可用率低、跨本体复用难，仍制约着数据供给的规模化。Chorus 的核心思路，是通过接入更多来源的人类操作数据，充分挖掘其中的动作信息、构建多粒度指令并适配不同机器人本体，最大化释放原始数据价值。 Chorus 是行元自研的跨本体数据引擎，以统一数据模型为基础，通过高度自动化的数据处理管线连接多源人类操作视频与不同机器人本体，具备多元异构数据统一表征、对复杂操作行为的鲁棒重建及跨本体动作泛化与增广三大核心能力。 首先，Chorus 支持智能眼镜、胸戴相机、腕部相机、UMI 类设备等多种设备采集的人类操作视频，将不同硬件、视角和采集条件下符合处理要求的数据纳入统一流程，降低对单一采集设备的依赖，扩大可用数据来源。