作者：默思編輯部 發布：2026-09-11
工業機器人大廠優傲機器人（Universal Robots）與資料標註公司Scale AI合作，推出名為UR AI Trainer的模仿學習系統，這套系統的目標是打造從實驗室到工廠產線的完整資料管線，加速機器人AI模型的訓練與部署。
這套系統的核心機制是「主控-跟隨」（leader-follower）設計：人類操作員實際手動引導一台主控機器人執行特定任務（例如包裝智慧型手機），另一台跟隨機器人則即時鏡像複製這個動作。這種設計讓機器人能直接在正式生產硬體上，同步蒐集力道、動作與視覺資料，而不需要仰賴專門的模擬環境或實驗室設備。
AI Trainer的推出，反映出機器人產業長期存在的一個關鍵斷層——機器人正從預先程式化的固定應用，轉向完全由AI驅動的任務執行模式，但這種轉變需要大量高品質的真實世界訓練資料，而過去這類資料的蒐集，往往侷限在專業研究實驗室的受控環境中，跟實際工廠現場的真實情境存在落差。這套系統正是設計來彌補這種「實驗室到工廠」之間的資料鴻溝。
雙方正在建立一套整合的機器人資料管線，目標是讓客戶能比過去更快地訓練、部署並持續改善AI模型。優傲機器人與Scale AI也計畫在今年稍晚，公開發布一份在優傲機器人硬體上記錄的大規模工業資料集，讓更廣泛的機器人研究社群也能運用這批真實產線資料。
這項合作案例反映出機器人產業近年的一個重要趨勢——愈來愈多硬體廠商開始跟AI資料公司合作，試圖解決機器人基礎模型訓練所需的真實世界資料稀缺問題。相較於仰賴模擬環境生成的合成資料，直接在正式生產硬體上蒐集的真實資料，往往能更貼近實際部署情境下的物理特性與環境變數，對提升機器人AI模型的實際部署可靠度具有直接幫助。
近年機器人AI訓練領域存在兩條並行的技術路線：一條是仰賴大規模模擬環境生成合成訓練資料，優點是能快速產出海量資料且成本相對低廉，但存在「模擬到現實」（sim-to-real）落差的固有挑戰；另一條則是像UR AI Trainer這樣直接在真實硬體上蒐集資料的路線，資料品質更貼近實際部署情境，但蒐集速度與規模天生受限於實體操作的時間成本。多數業界團隊目前的做法是兩條路線並行——先用模擬資料快速建立基礎能力，再用真實資料進行微調與驗證，UR AI Trainer正是補強這後半段真實資料環節的具體案例。
機器人模仿學習與真實世界資料蒐集管線設計，是機器人AI訓練領域的核心技術方向，具備機器人硬體操作與資料標註流程設計雙重背景的工程人才，在這個橫跨硬體與AI訓練的交叉領域會有更多發揮空間。