专题：服贸会2025中国AIGC创新期骗论坛

　　中国国外行状交易来去会-具身无界：智能机器东说念主创新发展论坛于2025年9月11日在北京举行。主题为“具身智能+大模子：机器东说念主的进化翻新”。光轮智能集聚首创东说念主兼总裁杨海波出席并演讲。

　　以下为演讲实录：

　　大众好，我是来自光轮智能的杨海波。咱们是一家专注于仿真合成数据工夫的公司。和专注于大模子的企业不同，咱们的中枢观念是匡助AI更好地剖释和插足物理天下。当今主要聚焦于具身智能和自动驾驶两大场景。

　　面前，AI已全面插足以数据为中心的期间。大谈话模子、自动驾驶和具身智能齐深广吸收端到端架构，模子性能越来越依赖于数据的限制与质料。尤其在具身智能鸿沟，数据需求远超其他赛说念——咱们以为，其限制将达到自动驾驶或大谈话模子的千倍万倍。

　　为什么具身智能对数据的需求如斯宏大？第一，期骗场景高度种种。自动驾驶替代的是司机，而具身智能对准的是千行百业，从工业操作到家庭行状，对泛化智商要求极高。第二，具身智能强调与物理天下的的确交互，不仅需要视觉感知，更触及力反馈、物体形变、复杂重要通顺等物理属性。第三，机器东说念主实质形态异构，双足、轮式、机械臂等不同构型导致数据自然诀别、难以圭臬化。最关键的是，当今尚无大限制机器东说念主落地期骗，预覆按数据稀疏匮乏，严重制约了具身模子的发展。

　　面对这一近况，合成数据是鼓动具身智能限制化发展的关键基础范例。在具身智能的数据金字塔中，其根基由海量非结构化汇集数据组成，尖端则由网络本钱崇高的、数目最爱戴的的确数据组成，有益于智能体高效且胜利地进行学问迁徙，而合成数据的加入填补了两者间的空白，在网络本钱、可泛化性与学问迁徙方面领有彰着上风。固然，合成数据仍需克服“Sim2Real Gap”——即仿真与试验的相反。但咱们以为，Sim2Real不长短此即彼的问题，而是可通过工夫阻挡消弱差距。

　　高质料的具身合成数据需得志四个关键条款：

　　一是物理交互必须的确。具身智能要求模子能“感受”物理反馈，比如拉开雪柜门时的阻尼力、按底下包机按钮的触发反馈，以致包括线缆、衣物等柔体的及时形变模拟，这些在仿真中需高精度收复。

　　二是东说念主在环的数据生成。AI的进化永久依赖东说念主类剖释，非论是大谈话模子中吸收人人标注，如故端到端自动驾驶覆按中使用五星司机数据，齐讲明高质料东说念主类人人示范不成或缺。咱们通过仿真环境下的遥操作，网络物流、烹调、分拣等场景中专科东说念主员的操作数据，不错为模子提供可泛化的高阶剖释。

　　三是场景鼓胀丰富。鼓胀丰富的场景种种性是极其迫切的，的确数据网络濒临Real2Real Gap——即单一测试场无法遮掩的确环境的种种性。自动驾驶车辆即使在紧闭测试场或专科赛说念发达优异，也难以胜利应酬绽放说念路的挑战，根源在于的确场景丰富度不及，而对具身智能来说，所需场景的种种性和复杂性更是指数级增长。因此需要具身合成数据有时以高效率生成海量相反化场景，构建正常且合理的数据漫步，从而普及模子泛化智商。

　　四是通过数据闭环完满存效性考证。咱们不仅生成数据，还通过自研算法对数据遵守进行考证。举例在使用合成数据微调英伟达GR00T模子后，将其部署至的确机器东说念主，考证其在的确工场环境中的发达。

　　接下来为大众展示几个具体的Demo案例：

　　率先是咱们的厨房仿真场景。与频频仅堤防外不雅的仿真不同，咱们这个厨房中的许多对象齐是柔体或刚柔搀和体。举例大众看到的线缆，就同期具备刚体特质和柔体形变成果。咱们通过高保确凿物理引擎，模拟了包括材质反馈、受力形变在内的复杂交互行径。

　　另一个展示的是商超场景。咱们通过Real2Sim工夫，对像7-Eleven这么的的确商超环境进行高精度收复和自动泛化，生成无数种种化、可交互的商品布局。比如演示中将零食从挂钩上取下的作为，看似简便，但在仿真中却触及很是复杂的物理碰撞计较。咱们不仅要完满视觉上和物理上的的确感，还需高效收尾算力耗尽，使其具备大限制覆按的期骗价值。

　　这恰是咱们责任的中枢——在高度的确的仿真环境中，通过遥操作完成复杂任务的数据网络。该仿真场景咱们还是开源，可用于撑握种种具身智能的覆按需求。咱们撑握多种网络设备，包括鼠标、AR/VR设备以及带力反馈的专科操控装配，以允洽不同复杂度的任务网络。

　　当今，光轮智能已构建涵盖数据网络、战略覆按、仿真评测到Sim2Real部署的全经过料理决策。咱们也与英伟达、Figure、DeepMind等国外头部企业结合，撑握包括GR00T N1在内的多个模子研发与落地，在国内行状最头部的车企和大厂。此外，咱们还开源了部分高质料仿真金钱与转化器具，鼓动行业共建圭臬。

　　最终，咱们的观念是构建全球最大限制、最高质料、最通用的具身智能数据集——瞻望超100万小时，95%以上为仿真数据，并一说念通及其部客户考证与东说念主工质检。料理合成数据的问题，是具身智能迈向大限制期骗的关键一步。

　　合成数据不是简便的模拟的确，而所以更高效率、更大限制为AI提供物理天下的反馈与剖释，是具身智能迈向限制化期骗的必经之路。

　　谢谢大众！

　　新浪声明：通盘会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之观念，并不料味着赞同其不雅点或阐发其步地。

海量资讯、精确解读，尽在新浪财经APP

株连裁剪：王翔