Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
操作员不再必须遥控一台真正的机器人，而是戴上第一视角设备、腕部设备，或直接拿着夹爪完成抓取、搬运和整理。8月31日，智元机器人旗下觅蜂科技宣布，第2万套MEgo系列设备下线，并发布了100万小时无本体数据集。这批数据来自不同人的操作，不绑定某一种机器人本体，意味着那些过去没有被记录的物理经验，开始进入规模化生产。
Les opérateurs ne sont plus obligés de télécommander un robot réel : ils peuvent porter un dispositif en vue subjective ou au poignet, ou tenir directement une pince pour saisir, transporter et ranger des objets. Le 31 août, Mifeng Technology, filiale d’AgiBot, a annoncé la mise en production de son 20 000e dispositif de la série MEgo et publié un jeu de données d’un million d’heures sans robot attitré. Ces données proviennent des opérations de différentes personnes et ne sont liées à aucun type particulier de robot, ce qui signifie que des expériences physiques jusque-là non enregistrées commencent à faire l’objet d’une production à grande échelle.
数据的覆盖面同样被摆上台面：22大类场景、500余种任务类型、超过1万个真实场景和5万余个物体类别。其中，50万小时来自裸手采集，35万小时来自腕部采集，15万小时来自夹爪采集。觅蜂科技今年2月成立，董事长兼首席执行官姚卯青称，通往通用人工智能，物理人工智能最终可能需要上千万、上亿小时数据，但今天只是起点。
La couverture des données a également été mise en avant : 22 grandes catégories de scènes, plus de 500 types de tâches, plus de 10 000 environnements réels et plus de 50 000 catégories d’objets. Sur ce total, 500 000 heures proviennent de collectes à mains nues, 350 000 heures de collectes au poignet et 150 000 heures de collectes avec une pince. Créée en février cette année, Mifeng Technology estime, par la voix de son président-directeur général Yao Maoqing, que l’intelligence artificielle générale et, à terme, l’intelligence artificielle physique pourraient nécessiter plus de dizaines de millions, voire plus de centaines de millions d’heures de données. Mais ce n’est aujourd’hui qu’un point de départ.
这条路首先解决的是“怎么更便宜地获得数据”。京东科技集团副总裁何贺回忆，传统遥操作让操作员工作8小时，最终可能只有1小时有效数据，还要承担机器人、电费、人工和场地成本；正常工作时佩戴设备，8小时最多可以产生5—6小时数据。数据生产效率提高了，训练材料的供给也随之扩大，但一小时数据里究竟有多少真正有价值的动作，仍不能只看时长。
Cette approche répond d’abord à la question suivante : « comment obtenir des données à moindre coût ? » He He, vice-président de JD Technology Group, se souvient qu’en téléopération traditionnelle, un opérateur travaillant huit heures ne produisait parfois qu’une heure de données utiles, tout en engageant des coûts liés au robot, à l’électricité, à la main-d’œuvre et aux locaux. Pendant une activité normale, le port d’un dispositif permet de produire au maximum 5 à 6 heures de données en huit heures. L’efficacité de la production de données augmente, tout comme l’offre de données d’entraînement, mais la durée ne suffit pas à déterminer la quantité de mouvements réellement utiles contenue dans une heure de données.
具体来说，百万小时并不等于机器人已经变聪明了同样多。语言模型拥有网页、书籍、代码和视频等现成数字材料，而拿杯子、叠衣服、把不同材质物品放进货架等经验并不会自然出现在互联网上。可是，不同机器人的夹爪、自由度、尺寸、力矩和控制频率各不相同，人完成的动作不能直接变成每台机器人的控制信号；无本体数据主要用于预训练和通用表征，具体机器人落地仍需要真机数据。
Concrètement, un million d’heures ne signifie pas que les robots sont devenus un million d’heures plus intelligents. Les modèles de langage disposent de matériaux numériques déjà disponibles, comme les pages web, les livres, le code et les vidéos. En revanche, l’expérience consistant à saisir une tasse, plier des vêtements ou placer des objets de différentes matières sur une étagère n’apparaît pas naturellement sur Internet. Les pinces, le nombre de degrés de liberté, les dimensions, le couple et la fréquence de contrôle diffèrent toutefois d’un robot à l’autre ; les actions réalisées par un humain ne peuvent donc pas être transformées directement en signaux de commande pour chaque robot. Les données sans robot attitré servent principalement au préentraînement et à l’apprentissage de représentations générales ; le déploiement sur un robot spécifique nécessite toujours des données recueillies sur le robot réel.
对工厂、仓库、商场和未来家庭场景而言，眼下最实际的变化是数据采集不再只能依赖昂贵的单机遥操作。更丰富的环境、物体和任务组合，理论上有机会帮助机器人学习更通用的规律；但觅蜂科技此次展示的主要是数据规模、覆盖范围以及采集和治理能力，尚未公布百万小时数据能让某个具体模型获得多少能力增益。数据产能的工业化已经发生，智能能力是否随之涌现，还要由模型训练和真实部署回答。
Pour les usines, les entrepôts, les centres commerciaux et, à l’avenir, les foyers, le changement le plus concret est que la collecte de données ne dépend plus uniquement d’une téléopération coûteuse sur une machine unique. Des combinaisons plus riches d’environnements, d’objets et de tâches pourraient, en théorie, aider les robots à apprendre des régularités plus générales. Mais Mifeng Technology a surtout présenté cette fois l’échelle des données, leur couverture ainsi que ses capacités de collecte et de gouvernance ; l’entreprise n’a pas encore indiqué quel gain de capacité un modèle donné pourrait tirer du million d’heures de données. L’industrialisation de la production de données est déjà une réalité, mais l’émergence de capacités intelligentes devra encore être démontrée par l’entraînement des modèles et les déploiements réels.