Ropedia亮全栈数据武器库，Xperience-10M霸榜HuggingFace具身智能第一

一家成立不到一年的公司，凭什么让Qwen-VLA用它的数据？

Physical AI数据基础设施服务商Ropedia近期完成数千万美元天使轮融资，同步亮出全套具身智能数据栈：自研头戴式采集硬件HOMIE、自动化数据生产引擎Experience Engine，以及在HuggingFace上排名具身智能数据集第一的Xperience-10M。36氪

Ropedia成立于2025年下半年，总部位于新加坡，硅谷设有办公室，由陈昭熹（CEO）、洪方舟（CTO）与南洋理工大学副教授刘子纬（首席科学家）联合创立，核心团队来自清华大学、南洋理工大学MMLab、Meta Reality Labs与Google。

"数据不是越贵越好"——陈昭熹拆解Physical AI数据账本

Ropedia CEO陈昭熹对硬氪表示："数据不是越贵越好，关键要看成本、质量、规模、任务相关性，以及它到底能不能真正提升模型效果、进入可评测的训练闭环。"36氪

他进一步将数据和模型的关系概括为"描述同一个真实世界分布"：数据通过真实样本离散地记录世界，模型则通过连续函数去逼近这一分布。因此，"未来Physical AI的竞争不仅是模型能力的竞争，更是数据引擎能力的竞争。"

首席科学家刘子纬则用能源结构切换来比喻这一转变："语言大模型有点类似于化石燃料——我们人类创造语言、记录语言，把丰富的语言沉淀在整个互联网上，但化石燃料终归是有限的。多模态是AI脱虚向实的必经之路，有点像我们从化石燃料走向新能源的过程。"36氪

当模型开始从互联网数据转向真实世界经验

Physical AI行业正遭遇真实世界数据瓶颈。随着机器人基础模型、VLA（Vision-Language-Action）及世界模型的快速迭代，传统视频与图文已无法满足需求——模型训练亟需具备真实物理尺度、动态交互、手物关系和场景语义的高质量数据。36氪

2026年3月，Ropedia发布并开源Xperience-10M数据集，收录约1000万个真实世界交互片段、超过10种同步模态，总规模接近1PB。该数据集随后进入Qwen-VLA、MolmoMotion、ACE-Ego-0和τ₀-WM等模型的研究与训练体系。其中Qwen-VLA的论文明确将Xperience-10M列入训练数据来源，Qwen-VLA论文 ACE-Ego-0也使用了来自Xperience-10M的435.7小时第一视角人类视频。ACE-Ego-0论文

ACE-Ego-0的消融实验给出了数据价值的量化证据：从Qwen初始化（无具身预训练）的65.4%成功率起步，加入机器人数据后提升至68.3%，再加入人类视频数据后进一步提升至72.8%。ACE-Ego-0论文 4.5个百分点的提升来自训练数据本身。

从HOMIE到Experience Engine，三层数据生产线如何运转

Ropedia的产品体系由三层构成。36氪

第一层Sense是感知硬件。核心产品HOMIE为头戴式便携采集系统，可轻量化采集第一视角下的人体运动、场景变化及物体交互等多模态信号。此外还有面向手部动作、触觉与空间运动的感知系统。

第二层是将原始传感器数据转化为可训练数据的自动化生产引擎Experience Engine。一段原始采集数据需经过时间同步、空间对齐、三维与四维重建、人体及手部运动恢复、动作切分、语义标注与质量控制等环节。Experience Engine以模型驱动的方式完成这一全流程，所有数据经人工预筛清洗、自动化标注、指标质检与人工终检后入库，全流程留痕可查。

第三层Deliver是数据集与模型训练验证体系，用于判断数据对VLA、世界模型的实际作用，并反向指导下一轮采集，形成数据飞轮。

截至目前，Xperience-10M在HuggingFace上位列具身智能数据集下载量第一，累计下载超270万次，服务约1800家数据使用机构，其中500余家签署数据使用协议，客户覆盖全球20余家头部具身智能企业及互联网科技公司。36氪

Physical AI的下半场，打的是数据引擎的仗

此前，市面上多数数据采集公司仍停留在单点硬件销售或人工标注服务阶段。36氪 Ropedia从硬件、数据引擎到验证闭环构建了完整的端到端体系——核心竞争力并非硬件本身，而是围绕数据引擎构建的数据生产体系。

陈昭熹透露，公司过去六个月营业额增长约4.1倍，其中北美市场贡献约六至七成营收。公司还计划于2026年8月发布下一代多模态数据采集系统，核心升级在于统一第一视角视觉、手部动作、人体运动、空间位置等多模态信息，实现更完整的真实世界数据表达。

陈昭熹给出了这样一句总结："互联网数据决定了大语言模型的上限，而真实世界经验将决定Physical AI的上限。"36氪

真实世界数据，可能是具身智能从0.1到1的最后一块拼图

陈昭熹判断Physical AI未来三年将从0.1走向1，核心标志是从PoC走向小批量部署——从几台机器人在工厂试点，到100台、200台机器人真正7×24小时介入生产流程且无法被替代。36氪 在这个进程中，谁能规模化生产高质量的物理世界经验数据，谁就握住了具身智能走向规模化部署的关键供给。