具身智能的应用场景极其广泛，涉及多种模态、不同格式、规模各异的数据。但目前可用于训练的物理世界数据集还远远不够，数据稀缺也一直是具身智能和人形机器人发展的痛点。
智元机器人新创具身业务部总裁姚卯青曾在2024浦江AI学术年会具身智能专题论坛上表示，机器人能用的高质量、带标签数据，一个数据集中最多只有几百万条，并且这些数据集属于多种格式的混合体，质量参差不齐。
上海傅利叶副总裁周斌表示，人工遥操仍是目前主流的机器人数据采集方法。在GDC傲意科技展台，我们就体验了遥操采集法。身穿背包样式的遥操服，两条操控杆从背部延伸至手掌处，握住前端把手做出挥手动作，面前的机器人也会相应地挥动手臂。尽管体验很有趣，但这一方法却是费时费力的“大工程”。
当传统数据采集技术受限时，DeepSeek掀起的开源浪潮为具身智能和人形机器人行业提供新的动力。在朱其罡看来，DeepSeek成功有两方面原因，一方面代码质量与算法创新具备天然的吸引力，另一方面是开发者因需求自发参与，形成“用开源反哺开源”的飞轮，这预示着开源正在从“运营驱动”转向“价值驱动”。
“用开源反哺开源”模式同样适用于具身智能行业。在分论坛上，多家企业讲述开源进度并着手建立高质量具身智能数据集。
智元机器人此前宣布开源AgiBot World（智元世界），这个汇集百万真实机器人数据的开源数据集，包含超过100种真实场景，40%为家居场景，20%为餐饮场景，20%为工业场景，商超和办公场景各占10%。
智元机器人通用业务部总裁王闯还在论坛上表示，智元机器人通过技术开放、场景共创和生态共赢，构建“硬件 + 软件 + 服务”一体化的开放平台。2025年，计划逐步上线开发者平台，提供机器人开发文档和工具链，同时推出机器人云服务和开发者社区。
库帕思在论坛上宣布，联合国地中心、漕河泾园区、穹彻、智元、松应、傅利叶、星海图、中电科21所、大模型生态发展等企业正式启动具身智能语料专项工程暨“生产伴随”式数据采集项目。
去年，建立起Openloong开源社区的国地中心，宣布与智元、上海人工智能实验室等联合发布全国首个百万级数据集，质量从实验室级别提升至工业级别；全国首个异构人形机器人训练场正式启动，面向全市机器人企业开放，满足数据采集、应用验证等需求。
