🐯虎嗅•較早收集於 5m
Sunday 200 美元手套眾包機器人技能
#embodied-ai#robotics#crowdsourcing-data#home-robotsskill-capture-glovesundaymemoskill-capture-glovetesla-optimus
💡眾包手套大幅縮短機器人訓練時間—具身 AI 開發者必看數據策略。（48 字元）
⚡ 30-Second TL;DR
有什麼變化
Coatue 領投 1.65 億美元 B 輪，後估值 11.5 億美元
為什麼重要
透過眾包數據加速具身 AI 發展，彌補演示到部署的鴻溝。顯示投資者轉向可擴展機器人，給 Tesla Optimus 等帶來壓力。
下一步行動
訂購 Sunday 的 Skill Capture Glove 捕捉並上傳家務動作數據，用於具身 AI 訓練。
誰應關注：Researchers & Academics
關鍵要點
- •Coatue 領投 1.65 億美元 B 輪，後估值 11.5 億美元
- •200 美元 Skill Capture Glove 向 2000 多用戶眾包動作數據
- •Memo 機器人三個月掌握 33 步洗碗機循環
- •團隊來自 Tesla Optimus、DeepMind 等
- •計劃 2026 感恩節前進入家庭
🧠 深度解析
背景與延伸：來自公開資料，非原文內容。引用 5 個來源。
🔑 增強重點摘要
- •Sunday 已向超過 2000 名「Memory Developers」發貨 Skill Capture Glove，收集來自 500 多個家庭的約 1000 萬個真實家務「記憶」片段。
- •Memo 使用 ACT-1 基礎模型訓練，能夠零-shot 泛化到未見過的新家庭環境，處理如桌面到洗碗機的長序列任務。
- •Memo 配備穩定滾動底座、高度 170 公分、重量 77 公斤、最大速度 3.6 公里/小時、單次充電續航 4 小時。
- •手套和機器人手部各配備兩個相機，用於捕捉動作和觸覺數據，提升靈活性。
🛠️ 技術深入
- •Memo 總自由度 20 個，手部自由度 3 個，使用 ACT-1 基礎模型結合來自 500 多家庭的 1000 萬家務片段訓練。
- •Skill Capture Glove 受 Stanford/Google DeepMind 的 ALOHA（低成本開源硬體模仿學習）和 UMI（通用操作介面，人類示範數據收集框架）研究啟發。
- •機器人具備車輪式移動底座，強調安全與人類共存，CPU/GPU 為機載 GPU 加速計算加邊緣服務。
- •手部配置兩個相機捕捉動作，支援如拉 espresso、摺襪子等靈活動作。
🔮 前景展望AI analysis grounded in cited sources
家用機器人將依賴眾包數據加速技能習得
Skill Capture Glove 已證明透過數千用戶收集百萬級動作數據，能讓 Memo 在三個月內從單臂鞋子整理進展到多技能並行。
低成本硬體結合模仿學習將普及靈活操作
受 ALOHA 和 UMI 啟發，Sunday 使用 200 美元手套實現複雜家務，證明無需昂貴設備即可訓練 dexterous 任務。
⏳ 時間線
2024-12
Memo 僅具單臂，學習第一項任務：整理鞋子
2025-10
Memo 學習摺襪子、處理玻璃器皿、拉 espresso
2025-11
公開 Memo 機器人與 Skill Capture Glove 數據收集方法
2025-12
發布 Memo 影片，宣布 2026 晚期 beta 與預購
2026-03
完成 1.65 億美元 B 輪融資，估值達 11.5 億美元
📎 來源 (5)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： 虎嗅 ↗
每週 AI 簡報
每週一封，可隨時退訂。