为了给机器人AI补充训练数据，相关企业开始打出“免费上门清洁”的招牌，以换取家庭家务视频。IT媒体The Verge当地时间29日报道称，AI训练初创公司Shift表示，将在纽约为家庭提供免费上门清洁服务，前提是对清洁全过程进行拍摄，并将相关视频用于数据采集。

Shift计划先在纽约落地这项服务，之后再扩展至伦敦等城市。公司希望采集洗碗、擦拭台面、除尘、拖地等家务场景，用于训练机器人完成用户希望交由机器处理的家务任务。

业内对这类数据的需求之所以迫切，在于机器人不同于聊天机器人或图像生成模型，必须直接面对现实世界。机器人需要处理空间关系、运动状态、受力与摩擦、不同的形状和材质，以及光照变化等复杂因素。因此，对人类而言并不困难的叠衣服、捡起苹果、倒水等动作，对机器人来说仍然不容易完成。

而现实世界数据的难点在于，它不像文本或图片那样可以从互联网大规模抓取，也难以在较低成本下获得。正因如此，高质量数据获取难题已成为物理AI企业面临的重要瓶颈，企业也在尝试更多元的数据获取方式。

在印度，家政服务平台Pronto就曾因采集客户家中做饭、清洁、洗衣等场景，并将其用于AI训练数据而引发争议。Pronto表示，只有在客户明确同意的情况下才会进行拍摄；而其竞争对手中的一些初创公司则强调，自己从未、也不会通过拍摄室内场景来训练AI。

围绕扩大采集规模的尝试仍在持续。硅谷公司Human Archive正在推进一种模式：让零工佩戴带摄像头的帽子，记录工作过程。业内认为，这类第一视角数据是机器人学习人类如何在物理空间中移动的重要数据来源。Shift也在通过App招募参与者，并表示已在15个国家向数万人支付报酬，要求他们拍摄活动视频。

还有一些企业并不依赖真实工作场景，而是通过重复动作批量采集数据。工作人员会反复进行叠毛巾、拿起杯子、搬运箱子等动作，由摄像头和传感器记录全过程。即便是已经上市的机器人产品，也在持续积累数据。企业会利用客户家中的使用数据改进产品，并利用机器人发生卡顿后、由远程工作人员接管时产生的数据。

以数据交换服务或福利的模式并不新鲜，但当下企业即便付费也急于获取的，正是家务等现实世界中的物理行为数据。随着这类做法增加，行业正逐步形成一套路径：先由人类提供清洁服务并留下视频，再基于这些数据训练模型，最终销售家务机器人产品。