三個研究問題：資料是通用 Physical AI 的核心瓶頸

如果想建立 general-purpose model，不能只問模型架構。必須先問：物理互動資料如何取得？資料是否足以涵蓋真實世界變化？訓練出的系統又如何透過部署與評估確認有效？這些問題導向本講主題：資料飛輪。

三層資料思維：從資料量走向資料價值

機器學習專案常被問「資料集夠大嗎？」但在 Physical AI 裡，單純追求資料量很容易失焦。資料量再大，如果只涵蓋單一任務、單一物件或單一環境，部署後仍可能失敗。講者因此引入第二層：資料涵蓋度；以及第三層：哪些資料最有價值。

資料集思維 vs 資料飛輪

傳統資料集思維常是：收集資料、訓練模型、在 benchmark 上比前人好 5%，然後結束。但 Physical AI 面對真實世界時，需要持續回答：模型在哪些條件下失敗？失敗代表缺少哪種經驗？下一步應該收集什麼資料？

資料涵蓋度：物件 × 任務 × 環境 × 實體形式

涵蓋度不是抽象名詞，而是要具體問：資料涵蓋哪些物件？哪些任務？哪些環境？哪些機器人或實體形式？如果只收集很多房間 layout，可能只增加 layout 多樣性，卻沒有增加物件、任務或動態互動的涵蓋度。

這也是為什麼不能盲目收集全部資料。組合數成長太快，必須用評估目標決定哪些維度最重要：是物件變化？任務變化？環境變化？還是機器人 embodiment 變化？

能力缺口：下一筆資料應該收集什麼？

部署與評估會回傳失敗訊號。這些失敗不是單純扣分，而是指向下一輪資料收集策略：要從真實世界收集？在模擬中產生？重建場景？生成變化？還是想像更多條件？資料飛輪的價值在於把失敗轉成下一步資料取得的決策。

資料取得策略：擬真度、涵蓋度、規模與成本

真實機器人資料擬真度高，但成本高、速度慢、風險大。模擬或生成資料規模較容易擴大，涵蓋度也能設計，但可能缺少真實物理互動訊號。選擇資料策略時，必須回到評估目標：目前能力缺口需要的是高擬真度、更多涵蓋度，還是更大規模？

七種資料取得策略：不是只有真實機器人收資料

第二段課程把資料飛輪落到實作層次：社群已經發展出多種取得或產生經驗資料的方法。第一類是 kinesthetic teaching，也就是人直接帶著機器人做任務。它的擬真度高，因為資料來自真實機器人與真實物理互動；但成本高、速度慢，也受限於操作人員與設備。

遙操作看似比直接牽引更容易擴展，但也有代價：操作者缺少觸覺回饋，常從第三人稱視角控制機器手臂，不一定能感覺自己是機器人的一部分。因此資料品質和操作介面設計高度相關。

從影片學習：資料規模巨大，但後處理很難

影片資料的吸引力在於規模：網路上有大量人類操作影片。但它不是免費午餐。人手和機器手的 embodiment 不同，人類動作更快、更靈活，影片也缺少力覺與接觸訊號。如何從影片中估計手部骨架、物體狀態，再映射到機器人，是一個困難的研究問題。

模擬、程序生成與 world model：用算力換涵蓋度

模擬的優點是可控制、可平行化、可大量產生環境變化；缺點是 sim-to-real gap。若目標需要精細接觸、柔性物體、液體或摩擦細節，模擬不一定忠實捕捉真實互動訊號。

程序式生成與 LLM 可以快速擴展任務描述、場景配置與物件組合，提升涵蓋度。但生成出來的資料仍要回到評估：它是否補到真正能力缺口？還是只增加表面多樣性？

跨機器人資料集能提高 coverage，讓模型接觸更多 embodiment 與任務。但資料格式、動作空間、感測器、任務定義與品質不一致，仍需要標準化與評估來判斷真正價值。

總結：資料飛輪要回答「系統下一步該經歷什麼？」

講者把所有策略放回同一個取捨框架：擬真度、涵蓋度、規模，並受成本限制。真實資料擬真度高但昂貴；模擬與生成可擴展但可能失真；影片規模大但後處理困難；world model 可想像未來狀態，但訓練成本與可靠性都是挑戰。