日薪120元，工作内容却不是传统意义上的工厂流水线，而是叠衣服、洗碗、铺床单、给快递贴标签。听起来像普通家务，却是一批机器人数据采集员每天都要完成的任务。
随着具身智能技术发展，机器人要想在真实环境中完成抓取、整理、搬运等操作，需要学习大量动作数据。为了让机器更好地理解物体、掌握动作，不少企业开始招募数据采集员，通过真人示范、设备记录和后期筛选，为机器人训练提供素材。
这份工作看似新鲜，实际却有着鲜明的重复劳动特征。有人把它当作短期兼职，有人希望借此了解人工智能行业，也有人尝试将其发展为稳定工作。在机器人不断学习的背后，这群“老师”的工作状态和职业选择，正在呈现出新兴产业的另一面。
机器人数据采集的核心，是将人类在真实环境中的动作转化为可供模型学习的数据。对于机器人来说，叠衣服、摆放餐具和整理快递等日常任务并不简单。物体的大小、材质、位置和环境变化，都可能影响动作执行的结果。
因此，采集员需要按照项目要求反复演示动作，并保证画面清晰、操作规范、动作完整。完成录制后，数据还要经过审核、筛选和清洗，符合要求的部分才能被计入有效数据。
目前，相关工作主要涉及几种不同的采集方式。
第一种是VR遥操作。采集员佩戴头显等设备，通过控制装置操作真实机器人，将人类的动作指令与机器人执行过程记录下来。
第二种是UMI等手持设备采集。采集员握持带有传感器的夹爪或相关装置，模拟机械手完成动作，记录运动轨迹等信息，不一定需要实体机器人参与每次采集。
第三种是第一人称视角数据采集，也就是行业中常说的Ego数据。采集员将相机佩戴在头部或胸前，以第一视角记录自己完成家务或其他任务的过程，为后续模型训练提供素材。
不同项目的设备、流程和数据标准存在差异，但共同点在于：数据不只是简单的视频记录，还需要满足特定的采集规范，才能具备训练价值。
22岁的小孙曾在暑假期间进入一家具身智能数据采集公司兼职。起初，他以为这份工作类似科技体验项目，戴上设备完成一些动作即可。真正上岗后才发现，工作更接近需要长时间重复操作的流水线岗位。
按照他的经历，正式工作前需要接受设备使用和动作规范培训。上岗后，他要佩戴VR头显、背着充电背包，双手分别操作夹爪，完成叠衣服、扫地、洗碗等任务。
看似简单的家务也有严格要求。例如，叠衣服不能一直使用同一种衣物，也需要更换场景和操作方式，以增加数据的多样性。每段视频需要达到规定时长，完成后还要上传审核。动作不规范、画面不清楚或光线不合格，都可能导致数据被退回。
小孙所在项目的白班日薪为120元，晚班为135元，工作采用白班、晚班安排，并以有效数据时长和准确率等指标进行考核。对于初次接触这类工作的年轻人而言，收入计算方式相对直接，但想要稳定拿到报酬，仍需要适应工作节奏和质量要求。
真正让他感到吃力的，是长时间佩戴设备和反复控制夹爪。夹爪的灵活性有限，遇到轻薄、柔软的衣服时容易夹不稳，一旦动作失败，就需要重新录制。为了完成任务，他必须不断调整角度和动作方式。
连续工作后，肩膀、手腕和脖子容易出现疲劳。虽然经过一段时间能够逐渐适应设备，但重复劳动带来的消耗并不会因此消失。做满一个月后，小孙最终选择离职。
他的经历说明，新兴职业不一定意味着轻松或高薪。对于只想短期兼职的人来说，数据采集可以提供一种收入来源；但如果希望长期发展，还需要考虑工作强度、薪资水平以及技能成长空间。
与小孙不同，26岁的郑郑已经从事机器人数据采集半年多。此前，他从事IT相关工作，看到招聘信息后出于好奇进入这一领域。
在他的日常工作中，叠毛巾、叠盒子是相对简单的任务，而将柔软的枕芯装进枕套则更考验机器人的操作能力。不同任务的难度差异明显，简单任务可能一个下午就能完成数百条数据，复杂任务则可能需要连续采集数天。
随着经验积累，郑郑逐渐掌握了设备的操作特点。他发现，有些动作看起来简单，却会因为出手位置或手腕角度不合适而失败。只有熟悉设备的活动范围，才能找到更顺畅的操作方式。
更令他感到有趣的是，人类的一些习惯动作可能被数据记录下来，并影响机器人学习到的动作表现。例如，采集员习惯将双手抬得较高，机器人在学习相关数据后，也可能表现出相似的起手姿势。
看到自己参与采集的数据被用于机器人演示，郑郑会产生一定的成就感。他认为，自己不仅是在重复劳动，也在参与机器人从不会操作到逐渐掌握任务的过程。
不过，他也清楚，这份工作有枯燥的一面。长时间重复同一动作容易让人失去新鲜感，设备故障、网络问题也会影响效率。未来，他更希望转向市场拓展、展会交流或客户培训等岗位。
还有一些从业者，甚至在工作现场从未见过真正的机器人。
23岁的李哲在广州从事数据采集工作时，主要负责洗碗、摆放餐具和给快递纸箱贴标签。虽然工作目标是为机器人训练提供数据，但他每天面对的更多是采集设备、模拟场景和录制任务。
随着任务难度增加，他的日薪也从100元提高到150元。但头显压迫眼镜、设备重量带来的颈部疲劳，以及手套不透气等问题，也让工作体验并不轻松。
李哲将这份工作视为过渡性兼职。他认为，短期内相关岗位仍有一定需求，但如果把它当作长期职业，就需要进一步观察收入稳定性和技能提升空间。
机器人数据采集并不都需要在工厂或专业场地完成。部分采用第一人称视角采集的项目，可以让采集员在家中完成任务。
一位曾从事猎头工作的采集员小然，在重庆一家企业从事居家数据采集。她通过头戴相机记录叠衣服、叠被子、铺床单等家务过程，根据项目要求完成有效时长。
这类工作通常需要满足拍摄画面、动作幅度、光线和任务数量等要求。以铺床单为例，一条数据可能只需要几分钟，但为了满足项目规定，采集员需要反复完成相同任务，并通过后台质检。
小然的全职月收入约为5000元，具体收入与基本薪资、绩效和有效数据量有关。她认为，相较于此前的工作，这种模式在时间安排上更加灵活，也为需要兼顾家庭的人群提供了一种就业选择。
不过，居家办公并不意味着没有工作要求。采集设备可能造成头晕或身体疲劳，录制内容也可能因为质量不达标而无法计入有效时长。灵活性与收入之间，仍然需要通过任务效率和项目规则来平衡。
除了全职岗位，部分平台还提供按小时或按有效数据计费的兼职任务。不同项目的报酬存在差异，任务难度、审核标准和实际工作时长都会影响最终收入。因此，求职者不能仅凭招聘页面上的单价判断实际收益，还需要了解计薪方式、任务量和未通过审核时的处理规则。
对一线采集员而言，工作重点是完成动作和录制任务；对负责项目的团队管理者来说，数据质量、设备管理和流程规范则是更大的挑战。
00后创业团队负责人宋宇介绍，他曾遇到过因参数设置错误，导致数百小时采集数据无法使用的情况。这类问题不仅意味着前期劳动付诸东流，还会增加项目时间和成本压力。
在数据采集过程中，设备参数、操作规范、录制环境和审核标准都可能影响最终结果。即使采集员已经完成大量任务，如果数据格式或关键参数不符合要求，也可能无法进入后续训练流程。
因此，数据采集并不是简单地追求数量。团队需要根据项目目标制定标准，培训采集员掌握正确方法，并通过审核、清洗和质量控制减少无效数据。
宋宇所在团队使用Ego、UMI和VR头显等不同设备，项目既包括家庭与商业场景的数据录制，也涉及相应的设备操作和人员管理。对团队而言，采集员的学习速度、沟通能力和对设备的熟悉程度，都会影响工作效率。
这也意味着，随着行业发展，数据采集工作可能逐渐出现更细致的岗位分工，包括设备操作、任务设计、数据质检、项目管理和数据处理等。对于希望长期留在这一领域的人来说，积累这些能力可能比单纯提高重复操作速度更有价值。
随着具身智能受到关注，机器人如何从实验室走向真实生活场景，成为产业发展的重要课题。机器人需要面对不同形状、材质和位置的物体，也要适应复杂多变的环境。真实场景中的动作数据，可以帮助模型学习人类如何完成任务。
不过，真人数据采集并不是唯一的数据来源。仿真环境、合成数据和其他训练方式也在发展，不同技术路线会根据任务需求和成本进行组合。
因此，不能简单认为机器人越聪明，数据采集岗位就一定越多，也不能断言这类工作会很快消失。未来的岗位需求，将受到技术进步、数据质量要求、企业成本和实际应用场景等多重因素影响。
对于从业者来说，数据采集提供了接触人工智能产业的机会，但基础操作岗位的技术门槛和职业上升空间仍有待观察。如果希望把它作为长期职业，除了熟练完成采集任务，还可以尝试学习数据质量管理、设备调试、项目协调和机器人应用等相关技能。
从日薪120元的兼职，到月收入约5000元的居家岗位，再到带领团队完成数据项目，机器人数据采集已经呈现出不同的就业形态。它既为部分人提供了短期收入和灵活就业机会，也暴露出重复劳动、身体负担和职业发展不确定等现实问题。
机器人正在通过数据学习人类的动作，而站在机器背后的采集员，也在寻找适合自己的发展方向。随着具身智能技术继续演进，这份新职业能否从重复操作走向更专业的岗位分工，将成为值得持续关注的问题。