Meta 的智能眼镜在为机器人训练 AI 吗？

智能眼镜看起来不过是简单的消费级小玩意儿：戴在脸上的摄像头、塞进耳朵里的扬声器，以及一个能就你所见回答问题的人工智能助手。但同一款设备也能为 AI 系统提供它一直缺失的东西：对日常人类生活的第一人称视角。

这一点之所以重要，是因为教 AI 写作或生成图像，与教机器在物理世界中行动截然不同。机器人需要理解物体在哪里、物体移动时会发生什么，以及手如何与那些会弯曲、破碎、洒出或改变形状的东西互动。

Meta 多年来一直在研究能够采集这类信息的可穿戴设备。其 Ray-Ban Meta 眼镜将部分此类技术落到了消费级产品中，让该公司得以获取日常活动中产生的数据。

对该眼镜进行为期 72 小时的测试——全天使用其 AI 功能并申请获取相关数据——让人得以一窥：为什么第一人称录像对训练 AI 可能很有价值，以及为什么隐私越来越难以与技术本身分开。

AI 如何从现实世界中学习

大型语言模型从海量的文字材料中学习。这对以语言为核心的系统来说效果很好，但文字无法完整描述人们如何做诸如在厨房里走动、拿起一个瓶子、打一个鸡蛋或找到自己钥匙这类事情。

人类是通过多年的感官体验学会这些事的。Meta 前首席 AI 科学家 Yann LeCun 曾指出，一个孩子到四岁时所接触的数据量，比最大的语言模型还要多出 50 倍。他更宏观的观点是：机器要想理解物理世界，就需要更丰富的感官输入。

对机器人而言，这意味着学习不只靠指令。它需要关于人们实际行为的数据，包括那些难以用语言描述的细微差异。举例来说，一个人洗碗的画面也许看起来很平常。但一旦这些影像被加上标签和注释，它就能向 AI 系统显示物体的位置、手的移动方式，以及出现意外时会发生什么。

这类训练数据很难大规模收集。可穿戴摄像头提供了一种可能的解决方案，因为它能以与执行任务者相同的视角拍摄这个世界。正如 LeCun 的观点所说：“它需要眼睛。”

Meta 为何要用智能眼镜

多年来，Meta 一直通过 Project Aria（新窗口）攻克这一问题。这是一个围绕眼镜形态的可穿戴计算机构建的研究项目。研究设备使用摄像头和其他传感器来研究人们如何与世界互动。

Project Aria 也表明，研究用途与消费者使用之间对隐私的期望可以有多大差异。Meta 公布的准则称，研究参与者会接受适当录制规范的培训，私人住宅中的人员必须表示同意，并且当音频和视频被采集时会有可见的灯光提示。

消费级智能眼镜所处的环境要不受控得多。人们可以戴着它走在街上、购物、冲咖啡或做家务。这形成了有用的第一人称数据来源。这也意味着佩戴者周围的人可能在不知道摄像头正在运行的情况下被拍入录像。

这一区别之所以重要，是因为这类数据的价值恰恰来自它的平凡。其价值来自对日常生活细微之处的捕捉。

机器人需要学习什么

研究人员正在攻克几个对人类来说看似简单、对机器却十分困难的问题。其中之一是情景记忆。问 AI 你把钥匙放在哪里听起来很简单，但系统必须识别出这个物体、弄清它最后一次被看到的时间，并追踪从那之后到现在发生了什么。

另一个是直觉物理。如果你把球滚向桌子，你心里已经预判了会发生什么。人类通过多年观察物理世界，才形成了这些预测能力。

第三个涉及手与物体的交互。系鞋带、扣衬衫纽扣、拿起某样东西，或者摆弄一块布料，都要求机器能够处理会弯曲、会变形的物体。而第一人称录像正能捕捉这类场景。

在 72 小时的测试中，日常活动与这些研究问题的契合程度出奇地高。开车涉及预测物体如何在空间中移动。拿起瓶子或打鸡蛋涉及手与物体的交互。看着鸡蛋从台面上滚落涉及直觉物理。询问钥匙被放在哪里则是一项情景记忆任务。

重点并不是每一段平淡的录像都能立刻变成有用的训练数据，而在于日常的人类活动中就蕴含着具身 AI 所需要的范例。

Meta 的眼镜能捕捉到什么

Meta 表示，Ray-Ban Meta 眼镜不会为了训练 AI 而持续录制佩戴者周围的一切。据该公司称，用于训练其 AI 并可能由人工审核的数据，包括用户要求 AI 执行某项操作时所采集的语音指令和视频。

当 AI 需要分析摄像头所看到的内容时，相关影像可以被发送到 Meta 的服务器进行处理。公司随后便可利用这些信息改进其 AI 系统。人们可以向眼镜询问某个物体、某个位置、某项任务，或眼前正在发生的事，从而以第一人称视角记录下这些交互。

Meta 还推出了 Live AI，无需使用通常的唤醒词即可唤出该助手。这让眼镜作为实时助手更加实用，同时也延长了其摄像头和麦克风可能处于开启状态的时间。

还有一个更难通过设置解决的隐私问题。佩戴者掌控着设备，但他们周围的人却不然。在测试中，被审核的素材里的人脸都做了模糊处理，但佩戴者周围的人并不知道自己正在被录制。这与 Meta 的 Project Aria 研究流程不同——在该流程中，参与者以及处于某些私人环境中的人都要遵守明确的同意要求。

哪些迹象指向 Meta 的机器人计划

Meta 可能利用可穿戴数据来帮助打造机器人，这一想法仍只是对其整体战略的一种假设，而非眼镜本身就能证明的事情。不过，这一假设背后有好几条证据。

2025 年 2 月，Meta 在 Reality Labs 内部成立了人形机器人部门，而 Reality Labs 正是负责其智能眼镜的同一更大组织。2026 年 5 月，Meta 还收购了由 Lerrel Pinto 联合创办的机器人实验室 Assured Robot Intelligence。

Meta 还表示，希望其技术能成为人形机器人的软件层。其研究已经探索过第一人称视角录像如何帮助机器人学习物理任务。这让眼镜的意义不再局限于充当 AI 助手。它们把摄像头、麦克风和 AI 集成到一款人们可以整日佩戴的设备中。

Meta 的下一代可穿戴原型据称正朝着更持续的感知和更强的物体追踪方向发展。这些能力可以产生更有用的数据，揭示人们如何与物理世界互动。

这些都无法证明 Meta 正在秘密收集客户生活中的每一刻，以打造一支机器人军团。但它确实说明了，为什么第一人称可穿戴数据对一家在 AI 和机器人领域都投入巨资的公司可能具有战略价值。