> 数据图表怎样理解具身智能主要数据类型2026-8-5训练基础上，后训练使用监督微调（SFT）来快速获得基础任务能力，再通过强化学习来提升模型长期规划能力。除此之外，结合真实环境中的强化学习实现可扩展学习，也是行业研究的方向。具身智能数据瓶颈问题突出，降低高质量数据的成本逐渐成为行业共识。行业已有研究表明，大规模数据对具身智能基础模型的性能提升具有显著作用，行业普遍认为要实现具身智能的涌现至少需要百万小时、甚至千万小时的高质量真实行为互动数据。具身智能领域能够应用的数据包括海量互联网数据、仿真合成数据和真实数据三类，目前能反映机器人本体真实行为的真机数据和合成数据相对稀缺，因此如何降低高质量数据的成本逐渐成为行业探索的共识方向。在构建具身基础模型时，厂商往往会以互联网多模态数据预训练的视觉语言模型为基座，让模型先具备通识知识，再结合仿真合成数据或真机数据训练，使其看懂物理环境、理解行为逻辑、学会动作技能并适应现实世界。东方证券综合其他
