机器人数据农场开工：LLM 遥操作员每小时 107 美元

机器人学习最贵的从来不是模型，是演示数据：遥操作要占一台真机器人加一名操作员，换个任务又要从头采。北大 DAGroup 的 PyRUA-DataFarm（arXiv 2611.05320，14 位作者）干脆把遥操作员这个岗位换成了编码 agent，开了一间「数据农场」。

流程分四步：agent 接到数据请求和目标场景里的一段校准演示后，在仿真中重建任务，自己动手写场景、写专家控制器、写成功判定器；仿真器顺手提供精确的动作标签；再由一个以真实图像为条件的视频模型，把每条 rollout 渲染成照片级视频，多个相机视角同时生成、保持一致；产出物是「即真数据」，带动作标签的同步多视角视频，策略拿去训练就能直接部署到真机。质检也没省：独立判定器在数据准入前，对专家策略和每条渲染片段分别认证。

成绩单是这场实验的关键。5 个真实机器人任务上，只用农场数据训练的策略与等量遥操作数据打平甚至略胜：100 次试验里成功 93 次对 84 次。更扎眼的是泛化：换了未见过的桌布和彩色光照，农场策略还能成功 87 次，遥操作策略掉到 46 次，差出一倍。

账也算得很清楚：任务适配全自动，平均每任务一次性 API 费 21 美元加 5 美元渲染合同费；之后每集数据约 0.8 美元，全程不需要机器人也不需要人。折算成三视角数据的时薪约 107 美元，低于中国遥操作的报价 117 美元，更远低于北美纯人力成本的 290 美元。

对做具身的团队，这篇的启示不在省钱本身，而在数据供给方式的改变：任务扩展从「排期采数」变成「下单渲染」，冷启动成本被压到几十美元量级。渲染数据与真机的差距当然是永恒的问号，但 93 对 84 的成绩至少说明，这道鸿沟已经薄到能被策略训练踩过去了。代码和数据管道都已开源。