跨维智能基于 Sim2Real 纯合成数据实现具身智能在半结构化场景下规模化落地

6月6日，2024中国人形机器人开发者大会暨第三届张江机器人全球生态峰会在张江科学会堂隆重举行，百余位人形机器人与具身智能领域的院士专家、杰出领袖，共话全球行业前沿技术。

香港中文大学（深圳）教授、跨维智能创始人贾奎受邀出席本次活动，并在具身智能赋能机器人专题论坛发表主题演讲。演讲中，贾奎教授类比自动驾驶提出了高通用性具身智能L1-L5的五个发展阶段，逐步实现从半结构化场景到非结构化场景的通用性落地。

同时，正式对外发布了跨维智能基于3D生成式AI的 Sim2Real 具身智能引擎DexVerse™，深度剖析了如何通过 Sim2Real 技术高效解决机器人面对复杂任务时的数据挑战，推动人形机器人通用性发展。

▍Sim2Real —— 解决高通用性具身智能数据需求的最高效路径

贾奎教授认为，要实现高通用性的具身智能，核心是需要海量的带有物理世界属性的数据。有别于语言、图像等可以从网络上大量获取以形成通用能力的数据，三维数据，尤其是机器人在物理空间中的操作数据，需要经过精确标定，且采集过程中存在难度大、周期长、成本高等问题。因此，通过基于3D生成式AI的 Sim2Real 仿真成为解决高通用性具身智能数据需求的最高效路径。

而基于 Sim2Real AI 实现高通用性具身智能的门槛极高，至少需要具备底层可控的具身属性物理仿真、高效大模型训练与持续学习、有效应对合成与真实数据域差别、低成本海量数字资产等能力，才能实现 Sim2Real 方式的真正落地。

▍从 Sim2Real 技术路线到 DexVerse™ 具身智能引擎

贾奎教授表示，基于在 Sim2Real 具身智能领域拥有的深厚技术和产品积累，跨维智能已构建起一套完整的底层技术到产品再到业务的逻辑框架。其中自主研发的DexVerse™ 具身智能引擎，通过3D 生成式AI 与仿真技术，模拟真实世界中的丰富场景和任务，有效解决了传统方法中三维数据获取难、标定要求高的问题，能够支持大规模仿真，并可自动化完成从数据标注到模型训练的全过程。过程中不仅加速了数据生成，还确保了模型的鲁棒性和泛化能力。

▍依托具身智能引擎 DexVerse™ ，跨维智能软硬芯系列产品实现商业化落地

基于自研的DexVerse™ 具身智能引擎，跨维智能形成软硬芯一体化的完整产品组合，作为产业链上游，赋能具身智能中下游企业。

跨维智能软硬一体产品系列，已经在汽车、家电、工业、物流等30+行业的半结构化场景中批量应用，在毫米级精度的抓取/操作任务下，其成功率超过99.9%。同时，跨维智能也正在将产品稳步落地于医疗、商业等更多半结构化及非结构化场景中。

展望未来，跨维智能积极开放 DexVerse™ 生态，诚邀更多合作伙伴加入，共同推动高通用性具身智能技术的发展落地。