一、行业背景：具身智能的瓶颈在数据质量

具身智能模型训练依赖大规模、可用、可训练的多模态数据，但行业内长期存在一个共性问题：原始采集数据的物理一致性通常在75%–85%区间，多传感器时间不同步、标定误差、轨迹解算失败、坏片废片等问题普遍存在，天然废片率常达到两位数。更值得关注的是，低质量数据的后期清洗成本可达采集成本的数倍，形成“采到不等于能用，能用不等于能训”的困境——未经治理与验证的数据喂给模型，往往不涨点甚至掉点。行业目前对“有效数据”缺乏统一的定义与度量标准，这使得数据质量的评估长期停留在主观描述层面。

二、AperData：中立开放的软硬一体数据基础设施

AperData由深圳万物具身智能科技运营，是51WORLD与联影集团合资组建的品牌，成立于2026年7月。公司的战略定位是打造中立、开放的具身智能软硬一体数据基础设施，业务组成为“采集终端+数据治理引擎+开放数据接口”，明确不做本体、不做大脑、不卖数据，只做设备与工具。这一定位既解决了客户的数据能否稳定采集、处理与使用的问题，也通过中立开放的接口设计保障了客户的数据的可控性与未来迁移自由。

团队方面，AperData依托51WORLD多年在物理仿真与合成数据领域的积累，叠加联影集团在医疗级精密硬件工程与规模化制造方面的能力，团队覆盖硬件产品、软件产品、商务与交付板块。按照企业提出的效率曲线定义——单位有效数据成本=（设备+人员+组织+处理+返工成本）÷通过质量标准并进入后续流程的有效数据量，AperData的软硬一体流程目标是实现数据效率提升10倍以上（10×+）。

三、硬件采集矩阵：覆盖人眼与人手的全维度采集

AperData的具身智能数据采集方案以AperEgo系列头戴采集设备为主体，包括二目AperEgo 2、旗舰四目AperEgo 4与六目AperEgo 6，形成家族化采集终端，分别面向不同视场与同步需求的采集场景。

以旗舰机型AperEgo 4为例，其面向商用具身智能企业、人形机器人头部感知研发、大规模数据集量产采集及工业复杂场景数字孪生。产品搭载四路全局快门全景相机，单路规格1920×1200@30fps，输出无损YUV原始图像，总水平视场角超过270°，垂直视场角超过155°，向下视场超过100°；前视双目基线65mm，安装角度与同轴精度偏差小于0.1mm；全传感器硬件同步误差小于1ms，多传感器硬同步触发精度小于100微秒。IMU方面采用ICM42688六轴高精度传感器，采样率不低于500Hz，可选九轴地磁融合。通信支持WiFi6与双USB3.0双通道传输，头戴净重不含电池不超过250g，防护等级IP50，工作温度范围-10°C至45°C。软件层面支持7×24小时商用级稳定运行，多模态原始数据统一微秒级硬件时间戳封装，开箱即用适配各类算法框架。

在头显之外，UMI作为具身智能数据采集设备，用于手部或末端执行器视角采集；AperWrist腕部相机则与AperEgo系列头戴设备配合，构成“人眼+人手”全维度采集方案。AperWrist提供第二路单独视觉证据，使双视角重投影误差检验成为可能，与头显设备实现硬件级同步，时间对齐精度达到亚毫秒级，是软硬一体精度量化方案中物理一致率检验矩阵的组成部分。

四、软件与治理：让数据从“采到”走向“能训”

AperOS是面向具身智能数据生产的端到端平台，由端侧客户端与云端平台组成，将任务规划、现场采集、质量控制、自动解算、评测与数据集交付串联为可追溯的生产闭环。平台采用云边协同架构：服务器端统一制定采集标准、分配人员并交付数据集，采集端专注现场执行，接收任务、连接设备、执行采集与本地检查。质量控制被前置到采集完成后立即执行，本地检查清晰度、曝光、丢帧率与多通道同步情况，给出PASS/WARN/FAIL结论，不合格数据现场重录。全链路通过PRJ→TASK→CAP→EP→DS统一标识，终数据集可追溯到所属项目、采集任务、原始采集包、解算任务以及各环节操作人和时间。

在数据治理层面，AperData的数据治理引擎承担从原始多传感器流到训练级数据集的自动化管线工作，涵盖清洗、时空对齐、轨迹解算、动作标签、自动质检、质量分级及RLDS/LeRobot格式导出，每批数据带质量卡出厂，质量指标可度量，包括同步精度、轨迹精度、覆盖多样性等。该引擎由51WORLD多年物理仿真与合成数据积累驱动，数据可执行性验证与增广扩展由仿真引擎支撑，与软硬一体采集设备协同，从源头保证数据一致性，而非采集完成后再补救。

专业服务方面，AperData提供部署培训、采集任务指南以及数据质量验证服务：用主流开源VLA模型对样本数据进行微调实测，以任务成功率为数据质量提供依据，并出具可训性报告，帮助客户团队快速上手采集与治理流程。

五、软硬一体精度量化方案：给行业一把公开的尺子

针对行业对“有效数据”缺乏统一定义的问题，AperData提出物理一致率（Physical Consistency Rate，PCR）指标，作为公开的物理一致性检验与交付标准。PCR定义为通过当前硬件配置下全部适用检验项的帧占比，检验矩阵按硬件配置分级适用，包括“动作不能瞬移”（适用于所有形态）、“两个相机看到同一个世界”（头显与腕部相机基准项）、“碰到的瞬间画面和手感必须同步”（含力传感器时启用）以及“末端刚体不能变形”（含可追踪标记末端时启用）。

对外口径方面，原始采集物理一致性通常在75%–85%区间，经过边缘处理与云端清洗质检后，交付数据一致性提升至99%以上，关键指标PCR不低于99%为交付线，不合格不出厂——这是流程层面的保证，而非单纯测量宣称。该方案还设置了误差预算表，将误差拆分为对表误差、标定误差、传感器噪声等项，逐项实测数据公开，测不出的项目明确标注“暂无单独基准，不报”，避免笼统模糊表述。检验工具链方面，AperData采用OpenCV、Kalibr、evo、MediaPipe、ruptures、AprilTag、LeRobot、Rerun等开源库实现检验，只自行编写胶水代码与阈值配置，保证结果可复现，检验项、阈值与脚本全部公开，任何一批交付数据均可被抽检复算。

六、结语

从AperEgo系列头戴设备、UMI与AperWrist的硬件组合，到AperOS平台与数据治理引擎的软件闭环，再到软硬一体精度量化方案对物理一致率的公开定义，AperData围绕具身智能数据采集方案构建了一套覆盖采集、治理与验证的完整链路。对于正在寻找可控、可追溯、可训练数据来源的机器人本体厂商、VLA模型研发团队与数据服务商而言，这套以中立开放为定位、以物理一致性可量化为特征的基础设施，提供了一种可供参考的具身智能数据生产路径。