第二类是人类行为数据，数据来源主要是视频，通过学习人类操作来训练机器人。这类数据规模巨大，但由于人类身体结构与机器人机械结构存在差异，往往难以直接映射到机器人动作，因此存在所谓的“构型鸿沟”。

第三类是人类示教数据，例如通过手持设备、动捕系统或拖动机械臂进行操作示教，这种方式可以获得较高质量的操作轨迹，但依然存在人类运动与机器人关节约束不完全一致的问题，同时采集效率有限。

第四类是真机遥操作数据，即由人类远程控制机器人完成任务并记录操作过程，可靠性强、训练效果好，但代价是采集成本高，需要大量设备、场地和操作人员，数据规模很难迅速扩展。

灵御智能瞄准的就是真机遥操作数据。

2.真远程遥操

机器人遥操作并不是一个新概念，但是遥操作并没有那么简单，也没有那么成熟。

跨越物理距离让机器“动起来”是一回事，但要让它做到顺滑、精准、低延迟且具备力控能力，则是另一回事。

具体难在哪里？

首先是延迟。

目前，行业通用的图像延迟普遍在150到200毫秒之间。虽然部分厂商标称能做到150毫秒，但莫一林指出，各家对延迟的定义和测量口径往往大相径庭。

为了挤掉水分，灵御采用的是G2G延迟（Glass-to-Glass Latency）标准。从光信号进入机器人摄像头，到最终呈现在操作员VR头显屏幕上的完整耗时，其图传延迟控制在100毫秒以内。动作控制端，人机之间的力/位混合控制响应被压缩至30毫秒以下，操作员与机器人的动作同步基本达到肉眼无感。

莫一林告诉「甲子光年」：“我们把这些延迟都已经压到最低了。”

第二个难点是处理空间维度上双臂高自由度的控制映射。

车辆遥操作本质上属于2自由度控制，往往只需在远端复制一套方向盘即可实现。相比之下，人体上肢7自由度远超车辆，两者的控制映射难度完全不在同一量级。

第三个难点是真远程。

目前行业大多数遥操作方案仍属于近场视距遥控：操作员须站在机器人身后1至2米处，以肉眼观察机器人动作，人必须到场，既无法实现跨地域劳动力套利，也无法支持一人多机的分时调度。

莫一林说：“大部分同行的遥操作更多是为了数据采集，操作者还是站在机器人旁边用眼睛看。而我们做的是另一件事——远程遥操，操作员在控制室，让机器人在2000公里外的现场。”

他和团队曾花大量了时间做不同遥操作方案的尝试和比较，最终团队研发出了TeleAvatar。

TeleAvatar本身是专为遥操作设计，配合软硬云一体化系统TeleDroid，端侧负责实时运动控制和安全力控，云侧负责数据采集、清洗和自动化标注，共同组成了“高效的数据采集母机”。

金戈描述操作体验：“戴上VR眼镜之后，完全是附身于机器人之上的感觉，得到的视觉信息和自己的感受非常接近，也不会眩晕。”

母机的尺寸与关节和人体完全同构，操作员可以零门槛上手。

“我们的硬件跟人是基本同构的，机械臂长度、手的长度都跟人类似，你够得到的东西机器人也够得到。”莫一林说，“我们可能是国内目前唯一在认真做真正远程遥操作的公司。”

灵御智能参加上海GDPS比赛，图片来源：灵御智能

灵御智能目前锁定了三类应用场景。

第一类是危险场景与跨地域劳动力套利。在核电站、化工厂这样存在一定危险性的环境中，遥操作本身就是价值所在。莫一林认为，这种“时空折叠”算的不是经济账，是人的生命价值。同时全球劳动力成本差异巨大，灵御的远程遥操方案可以让低成本地区的操作员通过机器人为高成本地区服务，覆盖零售、物流、酒店、仓储等行业。

第二类是一人多机的分时复用。很多工作频次不高但需要长时间待命。典型如夜间药店：单店来客频次低，但需要人全程值守。灵御智能的方案是多家药店部署机器人，1名操作员通过后台管理5到10个门店终端，按需切换。

第三类是半自主兜底。机器平时自主运行，遇到Corner Case瞬间切换人工接管。金戈将这称为“带保险的自动化”：95%的时间自动模式，5%的时间遥操模式。

尽管在技术上有了突破，但是他们还面临一个大问题——成本。

3.低成本跑出高精度

具身智能的数据采集成本，在行业里普遍被认为是当前最大的隐性成本之一。如果把一个具身智能公司的技术投入拆开，就会发现数据采集系统、操作人员、实验场地与设备维护，占据了相当比例的预算。

尤其是真机遥操作数据采集成本高的问题，困扰了很多企业，灵御智能没有回避这一问题，而是想办法从两方面同时压缩成本：一是提高机器人的运转时间和平均故障间隔；二是通过更优的遥操作方案大幅提升作业效率。

灵御智能将TeleAvatar的价格定在10万到20万元之间，仅为行业平均水平的三分之一到一半。想在在这个价位段保持极高的操控性能，他们的解题思路很明确：用算法弥补标准硬件在精度和力感知上的不足。

在硬件选型上，金戈放弃了昂贵的定制件，全部采用工业界成熟的量产元器件。这种做法压低了物料成本，且通用零部件经过了长期的工业验证，后期维修更加便利。但代价是，普通硬件天生带有精度差、延迟高、缺乏柔性等物理缺陷。

在底层工程设计上，莫一林也做了一些权衡。

以力觉感知为例，业内为了获得精准的力反馈，通常会给每个关节配备昂贵的谐波减速器和六维力传感器。而灵御智能只选用了低减速比的行星减速器，转而通过监测电机自身的电流变化来估算受力情况。莫一林坦言，电流反馈的绝对物理精度确实比不上专属传感器，但这可以通过软件算法来进行补偿。