公司概览
为机器理解并进入真实世界提供数据基础设施。
MDL Technology 面向具身智能、VLA 与世界模型提供数据项目服务，将实景采集、仿真、游戏世界数据与结构化 3D 资产结合，帮助客户从模型能力缺口出发，获得真正可用于训练的数据。
01 / 公司背景
为 AI 数据项目的真实生产需求而生。
MDL Technology 自 2017 年起持续建设数据生产能力。我们连接数据源与模型研发，将客户的目标能力转化为任务、场景、传感器要求、数据结构与可规模化复制的交付计划。
我们已服务来自多个国家和地区的 20 余家头部科技及工业企业。我们的价值不只是提供数据规模，更在于交付能够被研发和产品团队直接使用的结构化、高质量训练材料。
02 / 团队与运营
覆盖完整数据流程的专业团队。
采集与标注团队负责从设备配置、任务执行到数据清洗、标注和验收的完整流程；游戏与仿真团队则提供结构化视觉世界、可控变量和引擎级输出。三类能力能够在同一项目中组合真实世界证据与可规模化的合成覆盖。
03 / 数据能力
覆盖具身智能训练数据全栈。
Ego 与 RGB-D 数据
围绕明确场景和任务库设计第一视角操作示范，并可按项目需要同步视觉、深度、位姿、语言、动作与任务级信号。
仿真数据
可控 UE5 引擎级场景支持任务、物体、光照、相机与行为变化，可输出 RGB、深度、分割、表面法线、光流、相机参数与任务元数据。
3D 与游戏世界数据
拥有超过 2000 万个已清洗和结构化的 3D 资产，并可提供 CAD、PBR、动作、游戏行为与 G-buffer 数据，支持预训练、重建、世界模型与评测。
04 / 实景覆盖
围绕真实工作与生活方式设计任务场景。
我们的实景项目覆盖十余个大类、200 多个细分场景，包括商超零售、物流仓储、护理与养老、医药、酒店、家庭、轻工业、餐饮、清洁维护、办公共享空间、教育及公共服务等环境。
每类场景可进一步覆盖任务流程、光照、时间段、操作者、视角、物体状态、中断、异常与长尾行为。我们不追求普通视频的简单堆积，而是围绕目标模型需要识别和执行的条件建立有效覆盖。
05 / 质量与交付
在采集开始前共同确认的分层质量体系。
我们围绕原始采集质量、任务有效性、标注一致性、交付可用性和隐私合规性建立质量体系。项目启动前，双方可共同确认设备参数、场景范围、任务清单、标注字段、数据格式、抽检比例及验收阈值，并形成项目级《数据质量交付规格书》。
原始采集质量
对文件可读性、约定分辨率、帧率、编码、时长、命名与传感器完整性进行检查。缺帧、严重失焦或曝光异常、长时间遮挡、设备故障及无效空镜会在交付前被识别和处理。
任务有效性
检查任务是否完整，关键交互与结果是否可见，实际流程是否符合约定脚本或场景要求。无关、重复或无法判断结果的样本将被剔除或返工。
标注一致性
检查场景、任务、物体、动作、任务阶段、关键事件与结果字段的完整性和口径一致性，并按项目要求同步视觉、语言、动作、深度、位姿与事件信号。
交付可用性
依据双方约定的数据结构、打包方式、版本管理与验收阈值审核每批数据，使其能够直接进入客户的训练或评测流程。
隐私与可追溯性
在项目层面管理采集授权、隐私处理、脱敏要求、数据来源、修订记录和交付清单。
质量评价方式
验收标准会根据模型目标、传感器配置和数据类型进行定制。常用指标包括数据完整性、文件和传感器流完整性、视觉可用性、有效样本率、重复率、任务完成与结果可见性、标注准确性和一致性、场景多样性，以及多模态信号间的时间或坐标对齐。
自动化全量检查
对文件可读性、格式、分辨率、帧率、时长、时间戳、命名、字段完整性、重复率及基础画质进行全量规则校验。
分层人工抽检
按照场景、任务类型、批次、操作者和难度分层抽样，人工审核任务逻辑、动作可见性、标注准确性与实际训练价值。
重点样本复核
对高价值任务、异常案例、客户重点字段和复杂样本提高复核比例；项目需要时可执行全量人工审核。
闭环验收
对问题样本进行定位、剔除、返工、补采或替换，并可随批次提供质量报告、抽检记录、问题清单、修订历史和版本说明。
06 / 合作模式
从聚焦的 POC 开始，规模化扩展已验证的数据。
多数合作从小规模项目开始：明确目标能力，确定数据结构和质量门槛，再由客户技术团队评估交付样本。确认数据适配后，可扩展为持续实景采集、仿真生成、资产交付或多模态组合项目。