बीजिंग के इचुआन क्षेत्र में आयोजित विश्व रोबोटिक्स सम्मेलन में, रोबोट की गति से ध्यान हटकर डेटा संग्रह की दक्षता पर केंद्रित हो गया। इंटरएक्ट एनालिसिस द्वारा किए गए एक अध्ययन से पता चला है कि चीन में पहले से ही कम से कम 90 केंद्र कार्यरत हैं या निर्माण के चरण में हैं जो मानव सदृश रोबोटों के संग्रह और प्रशिक्षण के लिए हैं। यह दर्शाता है कि निवेश तर्क भौतिक निकायों के निर्माण से डेटा निकालने की ओर कितनी तेजी से बदल रहा है।
प्रदर्शनी में प्रतिभागियों ने डेटा संग्रह के लिए विभिन्न उपकरणों का प्रदर्शन किया। लाइटव्हील एआई (Lightwheel AI) ने वर्तमान में अपने सबसे बड़े ओपन एम्बोडीड डेटासेट, ईगोसूट-ओपन100के (EgoSuite-Open100k) का प्रदर्शन किया, जो 15,000 से अधिक परिदृश्यों में 100,000 घंटों से अधिक को कवर करता है। ओआरबीबेक (ORBBEC) ने फर्स्ट-पर्सन कैप्चर और मैनुअल माउंटिंग के साथ एक बॉडीलेस हार्डवेयर मैट्रिक्स प्रस्तुत की, जबकि ब्रेनको (BrainCo) ने पूर्ण हथेली वाले स्पर्शनीय फुर्तीले हाथों के साथ डेटा संग्रह के लिए दस्ताने दिखाए। गिगाडिवाइस (GigaDevice) ने एम्बोडीड इंटेलिजेंस के लिए माइक्रोकंट्रोलर, मेमोरी और एनालॉग घटकों सहित उत्पादों की एक श्रृंखला प्रदर्शित की।
SenseTime के इंटेलिजेंट इंडस्ट्री रिसर्च इंस्टीट्यूट के शोधकर्ता तियान फेंग (Tian Feng) ने छह समानांतर डेटा संग्रह प्रतिमानों का वर्णन किया: टेलीकंट्रोल और मोशन कैप्चर से लेकर सिंथेटिक डेटा और वास्तविक उत्पादन लाइनों पर संग्रह तक। बॉडीलेस असेंबली सबसे तेजी से बढ़ती हुई है, जिसे विक्रेताओं के अनुसार, भौतिक रोबोट पर संग्रह की तुलना में लागत लगभग पांचवें हिस्से तक कम कर सकती है। हालांकि, तियान ने चेतावनी दी कि यह विधि गतिशीलता, जैसे जोड़ टॉर्क और संपर्क बल की जानकारी खो देती है, जिससे नाजुक असेंबली कार्यों को करने में त्रुटियां हो सकती हैं, और संग्राहकों के पक्ष में झुके हुए नमूने वास्तविक श्रमिकों की तुलना में व्यवस्थित पूर्वाग्रह रखते हैं।
एक अधिक गहरा प्रश्न यह है कि क्या बड़े भाषा मॉडल के लिए काम करने वाले स्केलिंग नियम रोबोटों पर लागू होते हैं। जनरललिस्ट एआई (Generalist AI) द्वारा नवंबर 2025 में किए गए एक प्रयोग से पता चला कि छोटी मॉडल जटिल सेंसोमोटर सरणी को आत्मसात करने में कठिनाई महसूस कर रही थीं, जिससे लगभग सात अरब मापदंडों की सीमा स्थापित हुई, जिसे लेखकों ने 'मॉडल ऑसिफिकेशन' कहा। इस बीच, रोबोटिक उपकरणों का विखंडन एक ही चेसिस पर एकत्र किए गए डेटा को दूसरे पर पुन: उपयोग करना मुश्किल बना देता है, जिससे समग्र मात्रा 'द्वीप डेटा' में बिखर जाती है।
विश्लेषकों ने यह भी चेतावनी दी है कि कई केंद्र सरकारी वित्त पोषण पर आधारित लेखा चक्र पर काम करते हैं, जिसमें रोबोट की थोक खरीद और डेटा की रिवर्स खरीद शामिल है, जो वास्तविक मांग की जांच के बिना समग्र आंकड़ों को कृत्रिम रूप से बढ़ा देता है। आईडीसी (IDC) के आंकड़े बताते हैं कि 2025 में मानव सदृश रोबोट की आपूर्ति का 78.4 प्रतिशत अभी भी प्रदर्शन, अनुसंधान और डेटा संग्रह परिदृश्यों से आता है, जबकि उत्पादन लाइन पर काम एक नगण्य हिस्सा लेता है। तियान के अनुसार, बाधा डेटा की कमी नहीं है, बल्कि डेटा का अभिसरण, उपकरण मानकीकरण और वाणिज्यिक राजस्व की क्षमता है।