知识卡片：Ropedia发布HOMIE Gen2，规模化采集人类经验数据

英文标题：Ropedia Releases HOMIE Gen2: Scaling Human Experience Data Collection for Physical AI

英文关键词：Physical AI; HOMIE Gen2; Human Experience Data; Experience Scaling Law; Multimodal Data Capture

一句话结论

新加坡Physical AI公司Ropedia发布第四代多模态采集系统HOMIE Gen2并全球发售，提出“人类经验规模化驱动机器人能力”的经验扩展定律，把机器人训练数据的产能从机器人保有量转向人口规模，以显著更低成本和更快部署速度采集人类经验数据。

事件概述或研究问题

据腾讯研究院AI速递（2026-09-01）报道，Ropedia发布HOMIE Gen2。其核心问题是：机器人能力提升所需的物理交互数据，能否不依赖机器人本体数量，而通过人类规模化佩戴/使用采集设备来获得？Ropedia给出的答案是“无本体采集”，并配套提出经验扩展定律。

方法/产品要点

• HOMIE Gen2为第四代多模态采集系统，采用4目全景360度相机，搭配4路空间音频。
• 设备重量约380克，可连续采集13小时；多传感器同步精度50微秒；手部动捕误差4.68毫米。
• 采集数据可直接进入模型训练流程。
• “无本体采集”把数据产能从机器人保有量转向人口规模；部署速度约提升10倍，成本降至1/12.5。
• 旗舰数据集Xperience-10M规模近1PB。

主要结果或产业意义

若上述参数属实，HOMIE Gen2意味着人类经验数据采集的门槛大幅降低，机器人训练数据供给有望从“机器人实采”扩展为“人类穿戴采集”，为Physical AI提供一条可规模化的数据生产线。这也是“经验扩展定律”从概念走向产品的落地尝试。

为什么重要

这条信息指向AI基础设施竞争的新延伸：当模型与算力竞争趋于拥挤后，物理世界的“经验数据”正成为新的关键资源。与生成式AI模型更新不同，Ropedia聚焦机器人底层数据获取，属于AI产业“物理层”基础设施的一环，可能改变机器人数据飞轮的启动方式。

局限与不确定性

• 发布参数均为厂商口径，需第三方评测或实测核实。
• “经验扩展定律”是Ropedia提出的概念，尚未展示可验证的经验曲线。
• “部署提速约10倍、成本降至1/12.5”的对比基准不明确，待核实。
• 手部动捕误差4.68毫米在真实机器人操作中的适用性未知。
• 近1PB数据集Xperience-10M的具体质量、标注程度与合规性未说明。

可用于图书/PPT/简报的角度

• 案例素材：Physical AI数据飞轮的新范式。
• 对比角度：从“机器人本体采集”到“人类穿戴采集”的成本数量级变化。
• 趋势判断：AI基础设施竞争正从模型与算力向“经验数据”延伸。

原始材料

来源：腾讯研究院AI速递 20260901（搜狐号）

URL: https://m.sohu.com/a/1070192038_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=8