頭圖由智象未來AI大模型生成

智東西
作者 王涵
編輯 漠影

在演唱會(huì)、各大晚會(huì)的舞臺上，機(jī)器人伴舞團(tuán)以整齊劃一、精準(zhǔn)卡點(diǎn)的舞姿驚艷全場。這種整齊劃一不僅是硬件的勝利，更是“訓(xùn)練有素”的結(jié)果。

具身智能訓(xùn)練的核心難點(diǎn)之一，就在于如何讓模型在虛擬環(huán)境中學(xué)習(xí)到符合物理規(guī)律的真實(shí)交互能力，這也成為眾多企業(yè)布局具身智能領(lǐng)域時(shí)難以跨越的門檻。

近日，專注于AIGC 視頻大模型及應(yīng)用的國產(chǎn)AI企業(yè)智象未來（HiDream），選擇和具身智能企業(yè)諾亦騰機(jī)器人（Noitom Robotics）展開戰(zhàn)略合作，通過“真實(shí)數(shù)據(jù)+虛擬增強(qiáng)”的方法，為行業(yè)提供可規(guī)?；母哔|(zhì)量具身訓(xùn)練數(shù)據(jù)。

這種跨界協(xié)同的模式，也為破解行業(yè)發(fā)展瓶頸提供了全新思路。

一、諾亦騰機(jī)器人提供真實(shí)數(shù)據(jù)種子，智象未來用生成式模型放大百倍

此次合作的核心就在于真實(shí)數(shù)據(jù)與生成式技術(shù)的結(jié)合，以及雙方技術(shù)優(yōu)勢的互補(bǔ)。

真實(shí)數(shù)據(jù)的價(jià)值正在于其不可替代的物理關(guān)聯(lián)性，是確保模型貼合現(xiàn)實(shí)的核心前提。而生成式技術(shù)的核心價(jià)值，就在于打破真實(shí)數(shù)據(jù)采集的視覺幻象，以及規(guī)模與多樣性的局限。

諾亦騰機(jī)器人作為具身智能數(shù)據(jù)底座的構(gòu)建者，依托高精度人體動(dòng)作捕捉與多模態(tài)數(shù)據(jù)采集基礎(chǔ)設(shè)施，為合作提供真實(shí)世界中精準(zhǔn)的人類動(dòng)作數(shù)據(jù)“種子”。

這些數(shù)據(jù)源自物理世界的真實(shí)交互，具備真實(shí)可靠的物理反饋，為模型訓(xùn)練奠定了真實(shí)的物理規(guī)律基礎(chǔ)。

智象未來發(fā)揮其多模態(tài)大模型的毫米級高可控視頻生成能力，扮演“數(shù)據(jù)煉金術(shù)士”的角色。

通過對諾亦騰機(jī)器人高精度采集的多模態(tài)Human-centric數(shù)據(jù)進(jìn)行百倍以上的精細(xì)化放大與視覺多樣化場景擴(kuò)展和泛化，智象未來將精準(zhǔn)的動(dòng)作指令與豐富的視覺元素深度融合，不僅實(shí)現(xiàn)了數(shù)據(jù)規(guī)模的指數(shù)級增長，更確保了每一幀生成視頻與底層動(dòng)作數(shù)據(jù)的精準(zhǔn)配對。

▲左:諾亦騰機(jī)器人數(shù)據(jù)采集原始場景 右:智象未來生成式模型生成式處理效果

雙方公司多項(xiàng)深度技術(shù)合作之一，利用視頻生成技術(shù)去除數(shù)據(jù)中的vision gap及視覺干擾項(xiàng)。

二、李飛飛“三層金字塔”之下：真實(shí)數(shù)據(jù)采集的兩道難關(guān)

為什么要這樣合作？想要回答這個(gè)問題，就要先搞清楚，具身智能的數(shù)據(jù)目前面臨怎樣的困境。

“AI教母”李飛飛曾提出“具身數(shù)據(jù)三層金字塔”概念：最底層為網(wǎng)絡(luò)數(shù)據(jù)與人類視頻層，中間層為仿真合成數(shù)據(jù)，最上層為真實(shí)機(jī)器人數(shù)據(jù)。

針對最上層和最底層，業(yè)界已經(jīng)做了許多嘗試，并且發(fā)現(xiàn)了兩個(gè)最嚴(yán)峻的問題：

一方面，真實(shí)數(shù)據(jù)的采集成本與模型所需的視覺泛化能力之間存在固有矛盾。這一矛盾本質(zhì)上是效率與質(zhì)量的失衡，也是行業(yè)內(nèi)長期難以調(diào)和的痛點(diǎn)。

標(biāo)準(zhǔn)化的環(huán)境能夠顯著提升采集效率，降低單位數(shù)據(jù)成本。但想要提升模型的視覺泛化能力，則需要多樣化環(huán)境、多樣化物體分布，覆蓋復(fù)雜真實(shí)世界，以應(yīng)對環(huán)境中的各種不確定性。

另一方面，在高精度、多模態(tài)數(shù)據(jù)采集的過程中，各類光學(xué)、慣性動(dòng)作捕捉系統(tǒng)以及觸覺采集裝置的穿戴將會(huì)對人體形態(tài)、遮擋關(guān)系和整體視覺分布產(chǎn)生干擾，形成明顯的「Vision Gap」。

如果對采集到的圖像進(jìn)行后期修復(fù)，雖然可以對局部區(qū)域進(jìn)行填補(bǔ)，但效果通常差強(qiáng)人意，難以滿足具身智能模型訓(xùn)練的數(shù)據(jù)質(zhì)量要求。

這也讓真實(shí)數(shù)據(jù)的應(yīng)用受到了進(jìn)一步限制。

三、探索數(shù)據(jù)生產(chǎn)的第三范式，數(shù)萬小時(shí)數(shù)據(jù)已在路上

智象未來與諾亦騰機(jī)器人的合作正是針對以上行業(yè)痛點(diǎn)的精準(zhǔn)破局，創(chuàng)造了一種全新的數(shù)據(jù)生產(chǎn)范式：真實(shí)采集+生成式大模型協(xié)同。

這種范式既規(guī)避了單一數(shù)據(jù)類型的短板，又實(shí)現(xiàn)了兩者的優(yōu)勢互補(bǔ)，既保留了真實(shí)數(shù)據(jù)的物理一致性，又突破了傳統(tǒng)采集方式在場景多樣性與規(guī)模上的局限。

雙方的協(xié)同試驗(yàn)表明，智象未來的生成式模型在消除視覺鴻溝方面表現(xiàn)極其優(yōu)異，能夠有效填補(bǔ)真實(shí)采集數(shù)據(jù)的視覺缺陷，生成符合物理規(guī)律的高保真訓(xùn)練數(shù)據(jù)。

通過這種“生成式去除Vision Gap”的技術(shù)路徑，雙方成功實(shí)現(xiàn)了訓(xùn)練數(shù)據(jù)的精度與合理性需求，能夠規(guī)?；厣a(chǎn)出既真實(shí)又多樣的訓(xùn)練數(shù)據(jù)。

這為訓(xùn)練一個(gè)能真正理解物理世界的“世界模型”提供了充足的“燃料”。合作雙方預(yù)計(jì)，其年內(nèi)合作生成的具身智能視頻數(shù)據(jù)將達(dá)到數(shù)萬小時(shí)以上。

結(jié)語：具身智能進(jìn)入“混合數(shù)據(jù)”時(shí)代

2026年，被業(yè)內(nèi)視為具身智能的“數(shù)據(jù)元年”，這一判斷并非空穴來風(fēng)。

過去幾年，行業(yè)在“純真實(shí)采集”與“純虛擬仿真”之間反復(fù)搖擺，各自的天花板已清晰可見。真實(shí)數(shù)據(jù)精度高但成本陡峭、場景有限。仿真數(shù)據(jù)規(guī)模大但物理真實(shí)性存疑，難以跨越“仿真到現(xiàn)實(shí)”的鴻溝。行業(yè)里越來越多的人開始意識到，無論是只靠真實(shí)采集，還是只靠虛擬仿真，都走不遠(yuǎn)。

智象未來和諾亦騰機(jī)器人的合作，正好踩在了這個(gè)轉(zhuǎn)折點(diǎn)上。

如今，智象未來與諾亦騰機(jī)器人的合作給業(yè)界提供了第三條路，即“真實(shí)數(shù)據(jù)+生成式擴(kuò)展”的混合范式，將有望成為行業(yè)新的基礎(chǔ)設(shè)施標(biāo)準(zhǔn)。

放眼整個(gè)行業(yè)，這種“真實(shí)捕捉數(shù)據(jù)+生成式大模型增強(qiáng)擴(kuò)容”的混合路徑，正在成為越來越多企業(yè)的選擇。具身智能，正在進(jìn)入“混合數(shù)據(jù)”時(shí)代。