新闻/X·3 天前
Humyn Labs获4700万美元融资,构建真实工厂机器人操作数据集
Humyn Labs完成4700万美元A轮融资,利用自研采集眼镜在真实工厂记录工人操作并拆解为原子动作数据。业务覆盖全球20多国,年化收入超5000万美元,旨在解决具身智能在非结构化环境下的数据匮乏难题。
- 数据与采集
- 具身模型
本文由 AI 根据公开内容整理,可能有误,请以原文为准:Robots learn by copying people, but most of that footage comes from tidy labs, so they stumble on cluttered, dim factory floors.(X:Rohan Paul (@rohanpaul_ai)(via AIHOT))
核心内容
Humyn Labs 宣布完成 4700 万美元 A 轮融资,其中 2600 万美元为股权融资,由 Accel 领投。该公司专注于解决机器人模仿学习在杂乱、昏暗真实工厂环境中失效的数据瓶颈,通过采集非结构化场景下的专家操作数据支持策略训练。目前其数据业务已拓展至拉美、东亚及东南亚等 20 多个国家,年化收入突破 5000 万美元,验证了真实世界具身数据的商业价值。
技术上,Humyn Labs 采用自研采集眼镜在真实车间记录工人作业,经清洗过滤无效片段后,将连续视频流精准拆解为 reach、grasp、lift、place 等原子级动作标签。这种从非受控工业现场获取的高保真操作数据,直接弥补了传统实验室数据集在长尾场景与光照鲁棒性上的缺陷,使生成的训练数据可直接用于机器人端到端策略模型的微调与泛化验证。
关键看点
- 融资规模:完成4700万美元A轮融资,含2600万美元股权融资,Accel领投,支撑真实场景数据基础设施建设。
- 数据处理:利用自研眼镜采集工厂视频,过滤噪声并拆解为reach/grasp/lift/place等原子动作,适配策略训练。
- 商业验证:数据业务覆盖拉美及亚洲20多国,年化收入超5000万美元,证明非结构化工业数据具备规模化变现能力。
- 痛点解决:针对实验室数据在杂乱昏暗工厂失效问题,提供高保真真实世界操作数据,提升模型环境鲁棒性。
工程与产业观察
该案例标志着具身智能数据供给正从合成/实验室数据向真实工业现场迁移。通过将非结构化工厂视频转化为标准化原子动作序列,Humyn Labs 验证了“人类演示即数据”的商业闭环。这对算法团队优化Sim-to-Real差距、硬件厂商定义数据采集标准具有重要参考意义,表明高质量真实世界交互数据已成为具身智能落地的核心资产。
线索来源:AIHOT
基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。
外部来源
本页事实对应的公开页面,以原文为准。(点击将离开本站)