蚂蚁数科天玑实验室近日联合中国科学院自动化研究所、浙江大学、北京大学、北京智源人工智能研究院，联合研发出 Always-on Egocentric (AoE) 的数据采集系统，号称仅通过一台手机和一个低于20美元的颈挂式支架，就可以替代动辄数万美元的专业设备，实现具身智能的高质量数据采集。目前这一技术论文已经在Arxiv发布。

根据介绍，AoE是一套面向具身智能的持续性第一人称视频采集框架，其核心突破在于不再依赖昂贵、复杂的专用设备，而是利用人类天然交互能力和高度普及的智能手机，把“人 + 手机”变成可持续运行的数据节点，让具身数据从少数高成本节点，走向更广泛、连续的现实世界来源。

方案的载体是一款符合人体工学的颈挂式支架，通过机械夹具、磁吸等方式将手机稳固于胸前，持续采集贴近用户视角的第一人称画面，从而完整记录自然交互过程。方案可以在保持毫米级轨迹精度和90%以上手部关键点识别准确率的同时，实现数千台设备并发采集与云端自动化处理。

实测表明，针对Unitree G1机器人的关电脑任务，仅靠50条遥操作数据时成功率为45%，而引入200条AoE数据后，成功率跃升至95%。在数据匮乏时，AoE承担了“启动学习”的关键补位角色。

AOE 还解决了“长视频转化为训练数据”的技术难题，让手机录制的视频可自动转化为高质量的可训练数据。该方案通过端侧轻量级视觉模型自动识别手物交互并触发录制，利用大语言-视觉模型将连续视频切分为带语义标签的原子动作片段，最后经云端自动标注、过滤与清洗，即可自动生成标准化的训练数据。

此外，AOE 构建了一套端云协同的方案，实现了采集、预处理、清洗、筛选和调度的自动化处理，在降低人工介入的基础之上，提升了整体吞吐量。