「中国版 Index」觅蜂派上线：众包模式要把具身数据采集社会化

9 月 23 日，觅蜂科技正式推出具身数据众包服务平台「觅蜂派」，以「硬件 + App + 数据引擎」三位一体的形态，对标 Figure 旗下的 Index 平台，自称为「全球首个全品类高质量物理 AI 数据众包服务平台」。这也是继 Index 之后，全球范围内第二个以众包模式大规模采集无本体具身数据的尝试。

平台架构与设备规模

觅蜂派的核心是 MEgo 系列无本体采集终端，包含两款产品：

• MEgo View：面向 Ego（第一人称）数采场景，采用头戴式全景相机加腕部特写相机，头部视角记录环境，腕部视角补充操作细节。
• MEgo Gripper：轻量化 UMI 采集夹爪，标配三维触觉，整机重量不到一斤。

觅蜂方面披露，目前 MEgo 设备已下线 2 万套，产能达到数万套/月，2 万套设备进入真实场景后，累计采集百万小时有效数据，覆盖 22 大类场景，数据模态涵盖彩色图像、深度、惯性测量、触觉与音频。这一规模被觅蜂称为「行业首家百万小时级可对外售卖无本体数据服务商」。

数据引擎与质量分级

面对真实场景中的遮挡、快速运动、多人交互等难题，觅蜂搭建了 MEgo Engine 数据引擎，负责预处理、空间感知、标注与质量评估。其中的 HandPose 高精度手部重建技术，结合五目全景感知、手部追踪与三目深度融合，在奶茶制作、美甲、宠物洗护等典型遮挡与高速场景下，七项核心指标达到 SOTA 水平。即使手部可见率低于 30%，仍能实现亚厘米级三维重建。

在质检环节，觅蜂采用 ManiEval 多维度评估体系，从数据类型、任务类型、传感器质量、语义质量、动作质量五个维度对数据做 S、A、B、C 分级，再匹配不同的训练需求。觅蜂将这一做法概括为「不过滤，只分级」——在合规与基本质量前提下，让不同质量的数据对应不同训练目标。

围绕具身大脑、VLA（视觉-语言-动作模型）与 WAM（世界动作模型），觅蜂对数据的用法做了初步分工：大规模无本体数据主要用于通用预训练，让模型学习物体、动作、空间关系与任务过程；具体机器人本体仍需真机数据进行后训练与优化。

飞轮闭环与众包网络

觅蜂派同时构建了「采集—重建—质检—训练—部署—回流」的完整数据飞轮。训练部署阶段的失败样本，会通过 REMORA 任务进度模型识别，并由 Value Model 筛选后回流入数据体系，形成闭环。

众包端，觅蜂派上线前一月内测期间，平台注册用户达 2 万人，累计提交 1.3 万份采集任务，部分用户单月收益超过 5000 元。觅蜂把参与者称为「机器人训练师」，众包网络包含两类：

• 场景网络：连接酒店、餐饮、商超、物流、工厂、医疗、家庭、养老、非遗等真实作业环境。
• 人群网络：连接不同年龄、行业和地区的参与者。

觅蜂还发起了「场景数据联盟」，首批吸引 50 余家企业和机构加入，覆盖场景方、采集网络、机器人与模型企业。

与 Figure Index 的差异

觅蜂派与 Figure Index 虽同属众包模式，但定位差异明显：Index 数据主要供 Figure 自家模型使用，属于「自产自销」；觅蜂派则面向第三方客户，按需求组织生产、处理后对外交付。觅蜂披露，百万小时级无本体数据已开始服务腾讯 Robotics X 实验室、蚂蚁灵波等客户。

从行业趋势看，无本体数据的优先级正在提升。Figure 的 Helix 2.5 先用 Index 收集的大规模人类行为数据做预训练，机器人在 30 个陌生家庭做家务的任务成功率从 9% 提升到 56%。多家国内具身公司今年喊出百万小时数据目标，明年部分公司的目标已升至千万小时级。要支撑这一规模，社会化采集成为必选项，而觅蜂派正是这一方向上的中国本土落地尝试。