机器人要能稳定抓取、自动驾驶要能应对长尾路况、具身智能大模型要能理解物理世界——它们共同的"粮食"，是海量、多样且高质量的合成视频数据。然而真机采集成本高、场景覆盖有限、人工标注周期长，"数据饥渴"成为卡住众多团队的一道坎。近日，阿里云云原生数据仓库 AnalyticDB PostgreSQL 版在"创意智造"场景中推出"具身智能 · 训练数据工厂"，把源素材入库、批量生产、质量评测、数据集导出串成一条一体化工厂流水线，让一份源视频能够被高效泛化为成千上万条可用于模型训练的视频样本。
一、一套控制台，跑通"生成—生产—评测—导出"全流程
进入"具身智能 · 训练数据工厂"后，左侧导航以六个入口覆盖从试跑到量产、再到接入与运维的完整链路：既要能让新手"点一下就出一段视频"，也要能让工程团队把能力嵌进自动化流水线。六个入口的分工如下表所示。
表1训练数据工厂六大控制台入口
二、生产项目：从源素材到数据集导出的五步工作台
生产项目是整条流水线的核心。新建项目时可填写名称、描述，并按需选定机器人型号、任务类型、环境与来源类型，创建后自动进入项目工作台，工作台按"源素材—生产配置—执行状态—产出—导出"五步组织。源素材上传环节对格式与容量给出了明确边界：
表2源素材上传格式与容量规格
生产配置提供两种模式：表单配置可勾选源视频、逐条独立设置 Prompt 并挂载参考图，适合直观操作；JSON 高级模式支持一次性提交批量任务，适合熟悉脚本的高级用户。执行状态以批次呈现总进度与成功/失败/进行中数量，失败任务可一键重试。产出列表支持按质检状态（待评估、自动通过、自动不通过、已确认、已推翻、已跳过）与来源类型（采集、切片、生成、拼接）双重筛选，并可追溯到每条数据的"血缘链"。最后，数据集可一键打包导出（含视频与元信息），还支持按质检态过滤，例如仅导出"已确认"的条目。
图1自动驾驶等场景正是大规模合成视频数据的重要应用方向
三、质量评测：多维评分方案，几十秒出通过结论
泛化出来的视频能不能进训练集，靠的是质量评测。系统内置评分方案，从语义一致性、运动一致性、画面稳定性、外观保留、轨迹合理性、物理合理性等多个维度，对每条数据按 0–2 分打分，并给出综合通过结论；评测总览则以柱状图直观对比各维度达标率。多套方案可切换并设为默认，快速试用只需填入待评测视频 URL，几十秒即可拿到结果。
表3内置质量评测的六大维度
四、API 与存储审计：融入流水线，成本可控
对已建好训练流程的团队，工厂提供 REST API，覆盖上传文件、提交生成任务、查询任务状态、清理任务文件等核心接口，并附带 Python 快速示例，可直接嵌入自动化流水线。存储审计模块则跨数据集统计 OSS 文件总占用、孤立文件与可清理对象，并支持安全清理，帮助团队在大规模量产的同时把存储成本牢牢控制在合理区间。
从"一条源视频"到"一具会学习的机器"，缺的从来不是想法，而是一条能把想法规模化落地的数据流水线。AnalyticDB PostgreSQL 版具身智能视频泛化，把生成、评测、导出与集成收敛进同一套控制台，让机器人与自动驾驶团队把精力从"找数据、标数据"重新放回"训模型、做产品"，为具身智能的落地补上了关键的一块拼图。
开通 具身智能视频泛化
创建创意智造服务，详情请参见 上下文服务 。
