Memories.ai 推出 Memories Upload：眾包第一人稱日常影片，給機器人當訓練教材

想教機器人做家務或修機器，最卡脖子的不是演算法，而是根本沒有足夠的真實資料。讓工程師戴著 VR 頭顯遠端操控機械臂，錄一天也攢不了幾條動作。

總部位於舊金山的初創公司 Memories.ai 換了個思路：既然全世界每天都有無數人在做飯、理貨和修機器，為什麼不給他們發個微型相機，把人類的日常動作直接變成機器人的教材？

Memories.ai 正式推出了名為 Memories Upload 的全球眾包平臺。普通人接單戴上相機幹活就能拿錢，機器人實驗室則可以直接按動作買走標註好的實操影片。

磁吸在手腕上的 45 克相機

要讓工人願意戴著裝置幹一整天活，硬體必須輕到幾乎沒有存在感。Memories.ai 自己做了一款叫 LUCI Pin 的穿戴相機，重量不到 45 克，裡面只塞了相機、指示燈、開關、主機板和磁鐵。

這個小方塊靠磁吸固定，一秒鐘就能在頭戴支架、胸前掛件和手腕底座之間切換。兩個相機還能配對組成雙目立體視覺，幫模型估算空間深度。

給手腕單獨裝相機非常關鍵。以前頭戴視角拍做飯，手掌捏住杯子那一瞬間往往會被手背擋住；把機位挪到手腕上，機器人就能看清指尖到底在什麼角度接觸物體、用了多大勁。

這個網路在測試期第一個月就錄下了超過 100 萬小時的第一人稱影片，目標是 2027 年 3 月攢夠 1000 萬小時。目前平臺已經覆蓋五大洲、20 個行業的 1000 多種具體工序。

把做飯影片拆成逐幀手部動作

海量影片堆在硬盤裡其實沒用，機器人開發者看不過來，模型也沒法直接吞。Memories.ai 聯合輝達，把這套龐大的素材庫做成了能精準搜尋的資料庫。

他們利用輝達 Metropolis 檢索工具和 Cosmos 物理世界模型，對影片進行了逐幀的手部追蹤和動作標註。系統不僅會標出左右手各自在幹什麼，還會提取關節點的三維位姿，並配上動作描述文字。

換句話說，如果一家公司正在訓練泡咖啡的機器人，工程師不用翻看幾十個小時的影片，只要搜「左手拿杯子、右手轉動磨豆機手柄」，系統就能把對應的片段精準切出來。開發者可以通過 API 或者 MCP 服務直接調取這些資料。

Memories.ai 由前 Meta 研究員 Shawn Shen 和 Ben Zhou 創立，目前已累計拿到 1600 萬美元融資。據公司透露，全球排名前五的前沿機器人實驗室中，已經有 3 家在用他們的資料訓練具身智慧模型。

為什麼重要

過去幾年，機器人界為了蒐集訓練資料幾乎跑斷了腿。遙操作雖然精準，但一臺遙操作裝置動輒幾萬美元，採集成本極高；模擬環境雖然便宜，但模擬出的物理世界總有一股塑膠感，搬到現實裡經常失效。

Memories Upload 聰明的點在於，它用極低的硬體成本撬動了全球零工網路，把人類幾千年積累下來的長尾操作技能，變成了可被索引的數字資產。對於想要切入特定垂直場景的具身智慧團隊來說，現在花點錢調介面就能拿到五大洲不同廚房、不同車間的真實互動，門檻被大幅拉低了。

但這個模式也並非沒有隱患。人類的肉手有五根手指，肌肉靈活且富有彈性，而大部分機械臂只有兩指夾爪或結構各異的靈巧手。看懂人類怎麼捏杯子，並不代表機械臂能用自己的金屬關節復現出來，形態對映仍然是懸在開發者頭頂的一道硬坎。

無論如何，機器人領域的競爭重點正在從拼模型架構轉向拼真實世界的資料基建。像 Figure 推出 Index 平臺、Physical Intelligence 引入人類實操影片一樣，大家都意識到機器人的通用大腦必須在人類的真實生活中泡出來。Memories.ai 搶先把這門生意做成了標準化服務，我們認為這步棋切中了整個具身智慧產業最飢渴的痛點。