Voxel51日前发布了其数据平台3.0版本，新增了多项工具，旨在帮助机器人和物理AI开发者管理机器在真实世界运行过程中产生的海量摄像头、视频及传感器数据。
Voxel51试图解决的基本问题其实很直接：机器人需要大量真实世界数据来训练和改进AI模型，使其具备感知和与周围环境交互的能力。
一台机器人可能会同时采集来自多个摄像头的视频，以及激光雷达、位置信息和其他传感器读数。开发者随后需要在这些信息中进行搜索、找出有用的样本、标注发生的事件，并决定哪些数据应用于训练或测试其AI模型。
随着机器人数量的增多，人工完成这些工作变得越来越困难。
Voxel51 3.0将上述多项任务整合到同一平台中，使开发者能够对从机器人及其他物理AI系统采集的数据进行搜索、组织、标注和评估。
Voxel51首席执行官布莱恩·摩尔表示："我们在帮助客户构建自动驾驶系统和感知模型的过程中，就已经看到了这种趋势。那些在早期就把数据基础设施搭建好的团队，能够更快地推进项目。"
"物理AI与机器人领域正处于同样的转折点。那些如今打好这一基础的公司，将在数据和模型规模扩大之际获得真正的优势。"
此次更新的主要新增内容之一是Voxel51智能体，这是一款AI助手，旨在自动化处理机器人数据集管理工作中的部分任务。
该智能体不只是通过聊天界面回答问题，还可以在整个开发流程中执行任务，包括查找相关数据、挑选有用样本、标注数据以及评估结果。
举例来说，一名处理数百小时录制传感器数据的机器人开发者，可能需要找出机器人遇到特定物体或异常情况的时刻。Voxel51的搜索和AI工具旨在让这些样本更容易被定位，而无需工程师人工逐一审查全部录制内容。
Voxel51产品经理阿多奈·维拉表示："物理AI团队并不需要再多一个叠加在数据之上的聊天界面。他们需要的是一个能够在模型开发全周期中保持上下文连贯、并能统筹整个数据飞轮各环节操作的智能体。"
寻找关键时刻
Voxel51 3.0还引入了一套扩展的搜索系统，将语义搜索、常规文本查询和元数据过滤结合在一起。
其多模态时间序列能力允许开发者查看来自不同传感器的同步数据流，并在长时间录制内容中搜索特定时刻。
这一点对机器人领域尤为重要，因为单台机器可能同时产生来自摄像头、激光雷达等多种传感器的信息。要理解某一事件，工程师可能需要同时查看其中多个数据源。
该平台还包含针对2D图像、3D数据和视频的标注工具。其智能标注功能可以利用视觉-语言AI模型，自动完成数据中物体和事件识别与描述工作的部分流程。
Voxel51还新增了用于追踪数据来源及其变化情况的工具。活动日志、编辑历史记录和数据集版本管理功能，让开发者能够确认用于训练特定模型的具体信息来源。
该公司表示，其架构采用模型无关设计，允许客户使用自有的基础模型或专用AI模型来完成推理、自动标注和评估等任务。
将机器人经验转化为训练数据
该平台背后更宏观的理念是，机器人在真实世界中积累的经验可以反馈到开发流程中。
如果机器人遇到异常物体、光照条件或导致其AI系统出现困难的情况，开发者可以在录制数据中找到该事件，对其进行标注和分析，并有可能将其加入训练数据，用于改进后续版本的模型。
然而，随着越来越多的机器人投入长时间运行，录制数据量也在迅速增长。Voxel51认为，从这些庞大数据集中识别出小部分有用训练样本的能力，正在成为物理AI开发的重要环节。
根据该公司发布的《2026年物理AI现状》报告，其划分出的表现卓越团队将一半以上项目时间用于数据相关工作的可能性，是表现欠佳团队的三倍。
Voxel51 3.0旨在支持从最初的原始录制数据到可搜索、已标注数据集的整个流程，这些数据集可用于AI训练和评估。
Voxel51与Nebius达成合作
Voxel51还与AI基础设施公司Nebius展开合作，将其数据管理技术与云计算资源相结合。
两家公司正联合举办实操工作坊，让开发者能够借助Nebius AI云运行Voxel51的工作流程。
此次合作解决了物理AI开发中两项相关需求：管理机器产生的海量数据，以及提供处理这些信息和训练AI模型所需的计算能力。
Nebius物理AI负责人埃文·赫尔达表示："物理AI是AI发展的下一个重要前沿领域，因为它将数字智能带入了物质世界。"
"但要实现这一目标，仅靠更好的模型还不够。机器人团队需要计算资源、云平台和数据基础设施，才能将每一次部署、失败和边缘案例转化为更快的下一轮迭代。这正是我们与Voxel51等合作伙伴共同打造的基础。"
Voxel51表示，其平台的客户包括伯克希尔·格雷、福特、保时捷和Precision Planting等公司。
新版Voxel51 3.0平台还提供免费的自助服务版本，供希望开始使用该系统的开发者使用。
