LG电子发力具身智能产业链，移动数据匮乏成痛点

据透露，LG电子近年来正全力进军具身智能（Physical AI）领域。在日前举行的韩国国会研讨会上，LG电子研究委员全惠正介绍了该集团的具身智能战略规划。其核心产品之一是家用机器人CLOiD，该设备计划与ThinQ智能家电平台深度融合，打造智能生活照护系统。通过预测用户行为轨迹并理解居住空间，CLOiD能够与各类家电联动执行任务，从而实现“零家务家庭”的最终目标。

在硬件研发方面，LG电子正积极推进名为“LG AXIUM”的机器人关节驱动器项目。该项目将电机、减速器、控制器及传感器集成为一体化模块，计划于2026年建立量产体系，并在2027年向全球合作伙伴供货。未来，AXIUM的应用场景将从小型智能设备关节，逐步拓展至2030年的工业级高扭矩领域。

此外，依托“One LG”协同框架，集团内部实现了产业链整合。其中，LG新能源负责提供高安全性的全固态机器人电池；LG Innotek供应3D传感器与高精度激光雷达；LG CNS承担系统集成及多机器人集群控制任务；LG AI研究院则基于自研大语言模型EXAONE，为机器人打造“大脑”。

然而，实现上述宏伟蓝图的最大阻碍在于机器人移动数据的严重缺失。目前，全球规模最大的开源机器人学习数据集OXE仅包含约4000小时的数据，而Physical Intelligence（π）的数据集规模也仅为1万小时左右。相比之下，训练GPT-2模型需要47.5万小时的数据积累，Meta的Llama 3更是高达7.9亿小时。这种数万倍的规模差距，构成了当前视觉-语言-动作（VLA）模型发展的核心瓶颈。

为破解这一难题，LG电子正采取三项举措：利用世界模型生成海量合成数据；将人体动作捕捉转化为机器人训练素材；构建“数据飞轮”机制，使机器人在实际作业中自动识别异常并收集边缘案例，进而反哺模型训练，形成自我优化的闭环。

在研讨会现场，多位业界人士也分享了应对数据困境的思路。NC AI CEO李妍秀提出，通过数字孪生技术生成数据并缩小虚实差距，结合工厂多元化数据优化，能显著减少对真实机器人动作采集的依赖。该公司正研发自动3D生成与高精度数字孪生技术，旨在打造不依赖英伟达（NVIDIA）的自主机器人学习架构。

MindLogic CEO金容镐强调，大语言模型之所以能积累庞大训练数据，得益于互联网上丰富的文本资源，而机器人移动数据必须依赖物理演示，规模扩充难度极大。因此，投资Sim-to-Real（从模拟到现实）世界模型是现阶段的必由之路。

KT AI实验室负责人朴在亨透露，该公司目前在全韩国运营约4000台服务机器人，正致力于搭建一个能在设备运行中持续采集真实场景数据的平台。

Robros CEO卢升俊指出，制造与物流企业的生产线无法轻易停工，这给数据采集带来了巨大困难，因此政府主导的“数据工厂”项目显得尤为关键。他建议，数据工厂不仅要收集信息，还需同步培养具备基础模型现场部署能力的实用型人才。

首尔大学工学院院长金永梧则提醒，生成数据、动捕数据与现场传感数据均存在不同的误差区间，混合使用时需格外审慎。他建议业界优先剖析各类数据源的误差特征，采用重要性加权法进行融合，并制定可在现场共享的标准化评估指标。在相关方法论尚未成熟之际，不应盲目追求数据规模的扩张。