深度報告20250605東吳證券具身智能數(shù)據(jù)AI時代的石油322mb

具身智能數(shù)據(jù):AI時代的石油證券研究報告證券分析師

：王紫敬執(zhí)業(yè)證書編號：S0600521080005聯(lián)系郵箱：wangzj@dwzq.com.cn二零二五年六月五日請務必閱讀正文之后的免責聲明部分數(shù)據(jù)是推動具身智能技術快速突破和落地應用的關鍵。借鑒自動駕駛汽車發(fā)展的路徑，數(shù)據(jù)對于具身智能同樣至關重要。優(yōu)質的數(shù)據(jù)集能夠驅動智能體感知與理解環(huán)境，能夠加速具身智能模型的訓練與部署，幫助機器人有效完成復雜任務。不同于大語言模型可以使用互聯(lián)網(wǎng)海量信息作為訓練數(shù)據(jù)，機器人所用的具身智能模型沒有現(xiàn)成數(shù)據(jù)可以使用，需要投入大量時間和資源進行機器人操作實踐或仿真模擬，以收集視覺、觸覺、力覺、運動軌跡以及機器人本體狀態(tài)等多源異構數(shù)據(jù)。符合通用標準、得到驗證的數(shù)據(jù)集成為具身智能行業(yè)的剛需。當前具身智能本體形態(tài)多種多樣，應用場景千差萬別，對于具身智能訓練數(shù)據(jù)的需求也更為多元。目前業(yè)內(nèi)仍有部分數(shù)據(jù)集主要聚焦在特定機器人、特定場景和特定技能等方面，在整體通用性上有待提升。因此，構建高質量、多樣化的感知數(shù)據(jù)集是不可或缺的基礎工作，這些數(shù)據(jù)集不僅為算法訓練提供了豐富的素材，也成為了評估具身性能的基準參考標準。具身智能數(shù)據(jù)按采集方式主要分為真實數(shù)據(jù)和仿真數(shù)據(jù)兩大類。（1）真實數(shù)據(jù)：真實數(shù)據(jù)是智能體通過自身物理身體上的各類傳感器（如攝像頭、麥克風、觸覺傳感器等

），在與真實物理環(huán)境進行交互過程中，實時采集獲取的數(shù)據(jù)。真實數(shù)據(jù)主要來源有：機器人遙操（通過人工遠程操控獲取真實場景下的操作數(shù)據(jù)）、動作捕捉（記錄人類在特定環(huán)境中的行為模式）。（2）仿真數(shù)據(jù)：借助計算機模擬技術，在虛擬環(huán)境中生成的、用于訓練具身智能的數(shù)據(jù)。通過構建虛擬場景、物體和智能體，模擬智能體與虛擬環(huán)境的交互過程來產(chǎn)生數(shù)據(jù)。即利用仿真環(huán)境生成訓練數(shù)據(jù)。真實數(shù)據(jù)和仿真數(shù)據(jù)兩者是互補關系，未來訓練將大量混合使用真實數(shù)據(jù)和高質量的合成數(shù)據(jù)。當前具身智能數(shù)據(jù)多為廠商自采集，存在豐富開源數(shù)據(jù)集。當前給人形機器人采集的高質量數(shù)據(jù)通常在現(xiàn)實世界中獲取，采集方式主要有直接接觸數(shù)據(jù)（真機數(shù)據(jù)）和間接接觸數(shù)據(jù)（人工控制數(shù)據(jù)）兩種。最理想的數(shù)據(jù)采集方式是通過人形機器人本體直接觸達物理世界，讓其準確理解真實環(huán)境。大規(guī)模真機數(shù)據(jù)的采集成本高昂，需要投入許多人力、物力和時間資源，數(shù)據(jù)標注和采集設備都存在門檻。目前市面上存在豐富的高質量具身智能開源數(shù)據(jù)集，如智元、谷歌、國地共建中心等均開源了豐富的具身智能數(shù)據(jù)集，具備豐富的演示數(shù)量、場景任務和動作技能等。機器人仿真數(shù)據(jù)主要依賴虛擬場景，而場景的合成方案可拆解成兩個關鍵部分:場景生成（Gen）與模擬（Sim）。場景生成引擎（Gen）主要有兩種技術路徑：合成視頻+3D重建：基于像素流驅動，先生成視頻或圖像，再重建為點云或mesh等非結構化3D數(shù)據(jù)，最終轉為結構化語義模型。如Hillbot、群核科技、World

labs（李飛飛）等。AIGC直接合成3D數(shù)據(jù)：利用圖神經(jīng)網(wǎng)絡（GNN）、擴散模型（Diffusion）、注意力機制（Attention）等方法，直接合成結構化空間數(shù)據(jù)。如

ATISS、LEGO-Net、DiffuScene、RoomFormer

等代表模型，部分方案結合程序化生成技術，如

Infinigen（CVPR2024）。投資建議與相關標的：數(shù)據(jù)是推動具身智能技術快速突破和落地應用的關鍵，重點關注布局具身智能數(shù)據(jù)集的企業(yè)，相關標的：均勝電子（數(shù)據(jù)場）、海天瑞聲（機器人數(shù)據(jù)集）、索辰科技（數(shù)據(jù)仿真）、華如科技（數(shù)據(jù)仿真）。風險提示：相關政策不及預期、各類型企業(yè)IT預算不及預期、市場競爭加劇。1投資要點研究成果1、

具身智能數(shù)據(jù)集基本概念

1、具身智能數(shù)據(jù)集基本概念3、國內(nèi)外具身智能仿真數(shù)據(jù)集現(xiàn)狀2、國內(nèi)外具身智能真實數(shù)據(jù)集現(xiàn)狀4、相關標的5、風險提示2具身智能數(shù)據(jù)集基本概念3具身智能四個最關鍵的因子：算法、算力、機器人硬件、數(shù)據(jù)。算法層面：ChatGPT、Deepseek、通義千問等一系列領先的模型，在算法層面國內(nèi)處于引領地位。算力層面：國外以英偉達、AMD為代表，國內(nèi)以寒武紀、海光信息、地平線等公司為代表，正在快速突圍。目前在訓練階段的算力瓶頸已經(jīng)解決。機器人硬件層面：中國目前具有豐富的產(chǎn)業(yè)鏈。數(shù)據(jù)層面：目前仍是世界級難題，如何給機器人提供用來訓練的可交互的數(shù)據(jù)是未來具身智能工作的重點之一。具身智能的世界級難題：數(shù)據(jù)數(shù)據(jù)來源：東吳證券研究所繪制圖：具身智能四大關鍵因子算法算力機器人硬件數(shù)據(jù)具身智能4數(shù)據(jù)是推動具身智能技術快速突破和落地應用的關鍵。借鑒自動駕駛汽車發(fā)展的路徑，數(shù)據(jù)對于具身智能同樣至關重要。優(yōu)質的數(shù)據(jù)集能夠驅動智能體感知與理解環(huán)境，能夠加速具身智能模型的訓練與部署，幫助機器人有效完成復雜任務。目前高質量、多樣化的數(shù)據(jù)集仍舊稀缺。不同于大語言模型可以使用互聯(lián)網(wǎng)海量信息作為訓練數(shù)據(jù)，機器人所用的具身智能模型沒有現(xiàn)成數(shù)據(jù)可以使用，需要投入大量時間和資源進行機器人操作實踐或仿真模擬，以收集視覺、觸覺、力覺、運動軌跡以及機器人本體狀態(tài)等多源異構數(shù)據(jù)。符合通用標準、得到驗證的數(shù)據(jù)集成為具身智能行業(yè)的剛需。當前具身智能本體形態(tài)多種多樣，應用場景千差萬別，對于具身智能訓練數(shù)據(jù)的需求也更為多元。目前業(yè)內(nèi)仍有部分數(shù)據(jù)集主要聚焦在特定機器人、特定場景和特定技能等方面，在整體通用性上有待提升。因此，構建高質量、多樣化的感知數(shù)據(jù)集是不可或缺的基礎工作，這些數(shù)據(jù)集不僅為算法訓練提供了豐富的素材，也成為了評估具身性能的基準參考標準。數(shù)據(jù)集的標準和有效也同樣重要。作為訓練具身智能大模型的重要原料，數(shù)據(jù)集采集是否符合標準、在訓練上是否“能用”、“好用”，是否能更有效支持模型泛化，已經(jīng)成為機器人變“聰明”的關鍵。具身智能浪潮來襲，數(shù)據(jù)供給瓶頸亟待突破數(shù)據(jù)來源：生境科技，東吳證券研究所圖：具身智能大腦整體框架5數(shù)據(jù)采集的關鍵價值包括：① 促進通用智能形成：具身數(shù)據(jù)支持機器人在復雜環(huán)境中實現(xiàn)通用任務能力，是類人智能演化的基礎；② 增強環(huán)境理解能力：比起圖像識別等靜態(tài)數(shù)據(jù)，具身數(shù)據(jù)可捕捉動態(tài)交互、物體變化、力學反饋等多維信號；③ 支持任務遷移與泛化：不同場景中的具身體驗數(shù)據(jù)，有助于提升模型從特定任務向通用任務的遷移能力；④ 提升實時決策能力：通過感知-理解-反饋數(shù)據(jù)閉環(huán)，機器人可實現(xiàn)即時調(diào)整與精準操作。數(shù)據(jù)采集的價值和難點數(shù)據(jù)來源：機器人產(chǎn)業(yè)應用，東吳證券研究所圖：具身智能大腦整體框架6機器人數(shù)據(jù)分為真實數(shù)據(jù)和仿真數(shù)據(jù)兩類數(shù)據(jù)來源：中國信通院，東吳證券研究所數(shù)據(jù)類別各自優(yōu)缺點真實數(shù)據(jù)優(yōu)點：具備高度還原性和真實性仿真數(shù)據(jù)缺點：成本高、效率低，且難以控制變量優(yōu)點：具備高效、可控、易擴展等優(yōu)勢，能快速生成大規(guī)模、多模態(tài)的數(shù)據(jù)，適合模型的預訓練階段缺點：可能存在“虛實差距”，通常需與現(xiàn)實數(shù)據(jù)配合使用以提升模型的泛化能力具身智能數(shù)據(jù)按采集方式主要分為真實數(shù)據(jù)和仿真數(shù)據(jù)兩大類。真實數(shù)據(jù)：真實數(shù)據(jù)是智能體通過自身物理身體上的各類傳感器（如攝像頭、麥克風、觸覺傳感器等

），在與真實物理環(huán)境進行交互過程中，實時采集獲取的數(shù)據(jù)。真實數(shù)據(jù)主要來源有：機器人遙操（通過人工遠程操控獲取真實場景下的操作數(shù)據(jù)）、動作捕捉（記錄人類在特定環(huán)境中的行為模式）。仿真數(shù)據(jù)：借助計算機模擬技術，在虛擬環(huán)境中生成的、用于訓練具身智能的數(shù)據(jù)。通過構建虛擬場景、物體和智能體，模擬智能體與虛擬環(huán)境的交互過程來產(chǎn)生數(shù)據(jù)。即利用仿真環(huán)境生成訓練數(shù)據(jù)。兩者關系：仿真數(shù)據(jù)不會取代真實數(shù)據(jù)，兩者是互補關系。未來訓練將大量混合使用真實數(shù)據(jù)和高質量的合成數(shù)據(jù)。仿真數(shù)據(jù)的優(yōu)勢是低成本、高效率、可控性強、多樣性高，缺點是真實性始終有限，無法完美還原物流世界。真實數(shù)據(jù)的作用是保證最終模型在真實世界中的可靠性和泛化能力。短期來看，仿真數(shù)據(jù)用于解決簡單任務，助力具身智能實現(xiàn)0到1的突破。尤其針對跑步、跳躍或者跳舞等簡單的運動任務，仿真數(shù)據(jù)已經(jīng)足夠支撐。反正數(shù)據(jù)的優(yōu)勢在于獲取快、成本低且數(shù)據(jù)量大。長期看，真實數(shù)據(jù)對處理復雜任務不可或缺，推動具身智能實現(xiàn)1到N的深度應用。圖：真實數(shù)據(jù)和仿真數(shù)據(jù)優(yōu)缺點7具身智能數(shù)據(jù)質量把控是重要一環(huán)。具身智能開發(fā)和驗證所需的數(shù)據(jù)集包括任務語言描述、場景語義、3D空間、本體狀態(tài)、運動軌跡、視觸感知等多模態(tài)、強異構的數(shù)據(jù)，涉及不同的數(shù)據(jù)采集設備和數(shù)據(jù)獲取方式，且需要經(jīng)過多階段的數(shù)據(jù)處理，因此對數(shù)據(jù)質量的把控是很重要的一個環(huán)節(jié)。中國信通院人工智能研究所依托中國人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟（AIIA）具身智能工作組，并聯(lián)合行業(yè)34家單位共同編制了《具身智能數(shù)據(jù)集質量要求及評價方法》，以推動大規(guī)模、高質量的具身智能數(shù)據(jù)集建設，助力具身智能技術創(chuàng)新和產(chǎn)業(yè)生態(tài)發(fā)展。首個具身智能數(shù)據(jù)采集標準發(fā)布。2024年11月，國家地方共建具身智能機器人創(chuàng)新中心牽頭立項《人工智能

具身智能

數(shù)據(jù)采集規(guī)范》工信部行業(yè)標準，這是國內(nèi)第一個具身智能數(shù)據(jù)集的行業(yè)標準，規(guī)范了具身智能數(shù)據(jù)集采集的格式，使不同公司采集的數(shù)據(jù)可以互相共享開源，能夠加速模型“涌現(xiàn)”。創(chuàng)新中心未來還將設計一系列數(shù)據(jù)集標準，為模型泛化保駕護航。2024年12月，創(chuàng)新中心正式發(fā)布了《具身智能標準化研究報告》、《具身智能數(shù)據(jù)集及評測研究報告》（即RoboMIND）兩項重磅報告，為行業(yè)的標準化與數(shù)據(jù)集建設提供指引。具身智能數(shù)據(jù)集采集標準的建立將進一步明確具身智能數(shù)據(jù)要求及質量等，從而加速具身智能行業(yè)的良性發(fā)展。數(shù)據(jù)質量：首個具身智能數(shù)據(jù)集標準發(fā)布數(shù)據(jù)來源：群核科技，東吳證券研究所圖：具身智能數(shù)據(jù)集質量要求及評價框架8國內(nèi)外具身智能真實數(shù)據(jù)集現(xiàn)狀9具身智能數(shù)據(jù)集發(fā)布機構發(fā)布時間演示數(shù)量場景任務動作技能采集方式AgiBot

World智元機器人，上海人工智能實驗室2024.12100+萬100+種數(shù)百個遙操作雙臂機器人和靈巧手OpenX-EmbodimentGoogle

Deepmind等21所機構2023.10140萬311種527個單臂、雙臂、四足等22種形態(tài)機器人DROIDStanford,UCBerkeley等13所機構2024.037.6萬564種86個遙操作單臂RT-1Google

Deepmind2022.1213.5萬2種2個遙操作單臂BridgeData

V2UCBerkeley,Stanford,GoogleDeepMnd,CMU2023.096萬24種13個遙操作單臂及腳本編程動作RoboSetCMU,Meta2023.099.85萬38種12個遙操作單機械臂及腳本編程動作BC-ZGoogle、UC

Berkeley、Stanford2022.022.6萬1種12個遙操作單機械臂MIMECMU2018.1082601種20個遙操作單機械臂ARIO鵬城實驗室、南方科技大學、中山大學2024.08300萬258種345個遙操作主從雙臂機器人RoboMIND國地中心、北京大學、智源研究院2024.125.5萬279種36個遙操作單臂、雙臂、人形機器人和靈巧手RH20T上海交通大學2023.0711萬7種140個遙操作單臂數(shù)據(jù)來源：整數(shù)智能，東吳證券研究所豐富的高質量具身智能數(shù)據(jù)集當前具身智能機器人數(shù)據(jù)多為廠商自采集。當前給人形機器人采集的高質量數(shù)據(jù)通常在現(xiàn)實世界中獲取，采集方式主要有直接接觸數(shù)據(jù)（真機數(shù)據(jù)）和間接接觸數(shù)據(jù)（人工控制數(shù)據(jù)）兩種。最理想的數(shù)據(jù)采集方式是通過人形機器人本體直接觸達物理世界，讓其準確理解真實環(huán)境。但是，大規(guī)模真機數(shù)據(jù)的采集成本高昂，需要投入許多人力、物力和時間資源，數(shù)據(jù)標注和采集設備都存在門檻。與此同時，物理世界的運行規(guī)律錯綜復雜，數(shù)據(jù)的采集往往難以全面反映所有相關的物理現(xiàn)象與知識。目前市面上存在豐富的高質量具身智能數(shù)據(jù)集，具備豐富的演示數(shù)量、場景任務和動作技能等。圖：部分開源高質量數(shù)據(jù)集10智元機器人攜手上海人工智能實驗室、國家地方共建人形機器人創(chuàng)新中心以及上海庫帕思，正式開源Agibot

World項目。AgiBotWorld是全球首個基于全域真實場景、全能硬件平臺、全程質量把控的百萬真機數(shù)據(jù)集。AgiBot

World數(shù)據(jù)集中涵蓋的場景具備多樣化和多元化特點，從抓取、放置、推、拉等基礎操作，到攪拌、折疊、熨燙等復雜動作，幾乎涵蓋了人類日常生活所需的絕大多數(shù)場景。AgiBot

World包含來自100個機器人的100多萬條演示軌跡。在長程數(shù)據(jù)規(guī)模上已超過谷歌OpenX-Embodiment數(shù)據(jù)集十倍。相比Google開源的Open

X-Embodiment數(shù)據(jù)集，AgiBot

World長程數(shù)據(jù)規(guī)模高出10倍，場景范圍覆蓋面擴大100倍，數(shù)據(jù)質量從實驗室級上升到工業(yè)級標準。技能：AgiBot

World數(shù)據(jù)集涵蓋了家居（40%）、餐飲（20%）、工業(yè)（20%）、辦公室（10%）、超市（10%）等上百種通用場景和3000多個操作對象。相較于國外廣泛使用的Open

X-Embodiedment數(shù)據(jù)集和DROID數(shù)據(jù)集，AgiBot

World數(shù)據(jù)集在數(shù)據(jù)時長分布上顯著提升，其中80%的任務均為長程任務，任務時長集中在60s-150s之間，并且包含多個原子技能，長程數(shù)據(jù)是DROID和OpenX-Embodiment的10倍以上，3000多種物品基本涵蓋了這五大場景。數(shù)據(jù)采集：AgiBot

World基于全身可控的移動式雙臂機器人進行數(shù)據(jù)采集，配備了視覺觸覺傳感器、六維力傳感器、六自由度靈巧手等先進設備，可用于模仿學習、多智能體協(xié)作等前沿研究。智元Genie-1機器人包括8個環(huán)繞式布局的攝像頭，實時360度全方位感知；6自由度靈巧手，末端六維力傳感器和高精度觸覺傳感器；全身擁有32個主動自由度。智元：AgiBot World百萬級機器人數(shù)據(jù)集圖：多樣化任務演示11數(shù)據(jù)來源：中國機器人網(wǎng)，東吳證券研究所Open

X-Embodiment是由谷歌DeepMind聯(lián)手21家國際知名機構的34個研究實驗室，整合60個現(xiàn)有的機器人數(shù)據(jù)集創(chuàng)建的一個開放的、大規(guī)模的標準化機器人學習數(shù)據(jù)集。Open

X-Embodiment

Dataset研究人員將不同來源的數(shù)據(jù)集轉換為了統(tǒng)一的數(shù)據(jù)格式，便于用戶下載和使用，每一組數(shù)據(jù)以一系列

“episode”

呈現(xiàn)，并通過谷歌制定的RLDS格式描述，確保了高度的兼容性和易于理解性。規(guī)模涵蓋從單臂機器人到雙臂機器人，再到四足機器人等22種不同形態(tài)的機器人，共包含超過100萬條機器人演示軌跡、311個場景、527項技能和160,266項任務。場景：研究人員在機器人數(shù)據(jù)混合上訓練了兩個模型：（1）RT-1，一種專為機器人控制而設計的基于Transformer的高效架構；（2）RT-2，一種大型視覺語言模型，經(jīng)過共同微調(diào)，將機器人動作輸出為自然語言標記。兩種模型均輸出相對于機器人夾持器框架表示的機器人動作。機器人動作是一個7維向量，由x、y、z、滾動、俯仰、偏航和夾持器張開或這些量的速率組成。對于機器人未使用其中某些維度的數(shù)據(jù)集，在訓練期間將相應維度的值設置為零。將使用機器人數(shù)據(jù)混合訓練的RT-1模型稱為RT-1-X，并使用機器人數(shù)據(jù)混合訓練的RT-2模型RT-2-X。谷歌：構建Open X-Embodiment開源數(shù)據(jù)集圖：機器人學習數(shù)據(jù)集與

RT-X

模型12數(shù)據(jù)來源：中國機器人網(wǎng)，東吳證券研究所2024年12月27日，國家地方共建具身智能機器人創(chuàng)新中心與北京大學計算機學院聯(lián)合推出了一個大規(guī)模多構型具身智能數(shù)據(jù)集和Benchmark——RoboMind，基于成型標準采集，經(jīng)多個模型訓練驗證有效，支持多本體多任務并具備通用性，充分解決了目前全球開源數(shù)據(jù)集，量大但數(shù)據(jù)質量參差不齊、通用性復用性差、部分數(shù)據(jù)實測效果不理想等問題，有效滿足復雜場景具身智能高效率和針對性的訓練。創(chuàng)新中心發(fā)布的RoboMind數(shù)據(jù)集，采用了包括含單臂機器人、雙臂機器人、人形機器人，手臂末端使用夾爪或者靈巧手等多種形態(tài)的機器人本體進行數(shù)據(jù)采集，包含了涉及279項不同的任務多類場景，涵蓋了高達61種不同的物體，覆蓋了家居、廚房、工廠、辦公、零售等大部分生活服務場景，對科研突破和場景應用均十分友好。創(chuàng)新中心持續(xù)采集長程復雜任務，目前已經(jīng)積累數(shù)十萬條高質量數(shù)據(jù)，以真機數(shù)據(jù)為主，配以仿真遙操作數(shù)據(jù)。在數(shù)據(jù)質量與使用價值上，一條數(shù)據(jù)等同于目前現(xiàn)有數(shù)據(jù)集的多條存量數(shù)據(jù)。創(chuàng)新中心計劃首批開源10萬條，后續(xù)逐步釋放，涵蓋更多機器人本體和場景任務。國地共建機器人創(chuàng)新中心：RoBoMind數(shù)據(jù)集圖：RoboMind數(shù)據(jù)集多形態(tài)機器人，多場景驗證13數(shù)據(jù)來源：中國機器人網(wǎng)，東吳證券研究所特斯拉Optimus機器人的數(shù)據(jù)有三個來源，主要是基于特斯拉存量實際采集的數(shù)據(jù)+高精度仿真模擬采集的數(shù)據(jù)+機器人物理采集的數(shù)據(jù)。從Tesla放出的視頻中可以看出，目前Optimus的數(shù)據(jù)來自于VR遙操+動捕手套：操作員會戴上VR眼鏡用于和機器人的視野對齊動捕手套捕捉的手指運動轉發(fā)到Optimus的靈巧手上特斯拉：復用自動駕駛的模型和數(shù)據(jù)能力圖：特斯拉遙控數(shù)據(jù)采集圖14數(shù)據(jù)來源：中國機器人網(wǎng)，東吳證券研究所2025年1月，國家地方共建人形機器人創(chuàng)新中心建設的全國首個異構人形機器人訓練場正式啟用。助力數(shù)據(jù)采集，訓練場應運而生。2025年年1月，位于上海的國家地方共建人形機器人創(chuàng)新中心啟用具身智能訓練場，訓練場可容納100余臺人形機器人同時訓練。經(jīng)過前期搭建，目前國地中心訓練場已吸納102臺機器人，在不同的分區(qū)中進行持續(xù)訓練。其中，最大的特點是經(jīng)過前期搭建，目前國地中心訓練場已吸納102臺機器人，在不同的分區(qū)中進行持續(xù)訓練。其中，最大的特點是異構機器人的集體亮相。異構人形機器人是指不同廠家生產(chǎn)的，在形態(tài)、功能、技術架構、應用場景等方面存在差異的人形機器人。在訓練場里，重點圍繞智能制造、民生服務以及特種作業(yè)等國家重點領域的場景應用，配備先進的傳感器和數(shù)據(jù)采集系統(tǒng)，在高度還原的環(huán)境中對機器人進行任務訓練，成為“多機、多場景、多任務”異構人形機器人數(shù)據(jù)采集的重要陣地。國內(nèi)首個具身智能數(shù)據(jù)采集標準圖：工程師對機器人進行訓練15數(shù)據(jù)來源：上海經(jīng)信委，東吳證券研究所國內(nèi)外具身智能仿真數(shù)據(jù)集現(xiàn)狀16仿真數(shù)據(jù)：場景生成引擎的兩種技術路徑機器人仿真數(shù)據(jù)主要依賴虛擬場景，而場景的合成方案可拆解成兩個關鍵部分:場景生成（Gen）與模擬（Sim）。場景生成引擎（Gen）主要有兩種技術路徑：合成視頻+3D重建：基于像素流驅動，先生成視頻或圖像，再重建為點云或mesh等非結構化3D數(shù)據(jù)，最終轉為結構化語義模型。如Hillbot、群核科技、World

labs（李飛飛）等。AIGC直接合成3D數(shù)據(jù)：利用圖神經(jīng)網(wǎng)絡（GNN）、擴散模型（Diffusion）、注意力機制（Attention）等方法，直接合成結構化空間數(shù)據(jù)。如

ATISS、LEGO-Net、DiffuScene、RoomFormer

等代表模型，部分方案結合程序化生成技術，如

Infinigen（CVPR

2024）。圖：“3D場景合成+仿真模擬+現(xiàn)實交互”sim2real技術框架圖：場景生成（Gen）與模擬（Sim）17數(shù)據(jù)來源：生境科技，東吳證券研究所路線一：視頻合成+3D重建圖：Genesis

與常用的基于

CPU

和

GPU的機器人模擬器的速度比較合成視頻+3D重建：基于像素流驅動，先生成視頻或圖像，再重建為點云或mesh等非結構化3D數(shù)據(jù)，最終轉為結構化語義模型。如Hillbot、群核科技、李飛飛“World

Models”項目等。18數(shù)據(jù)來源：生境科技，東吳證券研究所端到端3D合成數(shù)據(jù)：利用圖神經(jīng)網(wǎng)絡（GNN）、擴散模型（Diffusion）、注意力機制（Attention）等方法，直接合成結構化空間數(shù)據(jù)。端到端3D算法優(yōu)勢：穩(wěn)定性強、高效低成本、信息完整、控制性強、可拓展性強。路線二：端到端的3D直接生成圖：“端到端3D場景合成”技術路線19數(shù)據(jù)來源：量子位，東吳證券研究所群核科技的SpatialLM和SpatialVerse是該路線的代表性技術。群核科技成立于2011年，是一家以AI技術和GPU集群為底座的空間智能企業(yè)，公司構建了一套物理正確的世界模擬器，并運用在室內(nèi)空間場景下的實時渲染、工業(yè)生產(chǎn)制造，以及虛擬物理世界訓練等場景。公司旗下?lián)碛锌臻g設計軟件【酷家樂】、海外版產(chǎn)品【Coohom】、面向室內(nèi)環(huán)境AI開發(fā)的下一代空間智能解決方案【群核空間智能平臺】（SpatialVerse）以及空間理解模型SpatialLM等。SpatialVerse為機器人提供優(yōu)質的數(shù)據(jù)服務。群核科技推出的空間智能解決方案SpatialVerse

構建了龐大且物理正確的數(shù)據(jù)集庫，模仿真實世界物理特性和空間關系，通過合成數(shù)據(jù)方案為機器人搭建起接近物理真實的“數(shù)字道場”，幫助機器人在仿真環(huán)境下完成例如疊被子、遞送水杯、開關冰箱門等行動的交互訓練。群核科技：空間智能領軍企業(yè)圖：群核科技發(fā)布的物理世界模擬器圖：群核科技具身合成技術路線20數(shù)據(jù)來源：群核科技，生境科技，東吳證券研究所Hillbot成立于2024年，是一家專注具身合成數(shù)據(jù)的企業(yè)。Hillbot

的核心在于利用

3D

生成式

AI

技術，通過文字提示生成3D對象，再將生成好的

3D

對象，放入自主開發(fā)的模擬器

SAPIEN

中。這種方法通過生成數(shù)據(jù)和模擬真實環(huán)境中的互動，提供了源源不斷的數(shù)據(jù)流。其技術路徑包括通過

NVIDIA

Cosmos

快速生成環(huán)境視頻片段，利用

Sapien/ManiSkill

對視頻進行3D場景解析和重建。此過程中，Hillbot通過標簽化的三維模型庫將物體（如冰箱、餐桌）替換為仿真中的對應對象，并賦予物理屬性，從而實現(xiàn)機器人與虛擬環(huán)境的交互。Hillbot：專注具身合成數(shù)據(jù)圖：Hillbot具身合成技術路線21數(shù)據(jù)來源：Hillbot，生境科技，東吳證券研究所World

Labs

是一家專注于空間智能的人工智能公司，致力于打造大型世界模型（LWM），以感知、生成并與

3D

世界進行交互。World

Labs

采用先進的深度學習和計算機視覺技術，結合大規(guī)模數(shù)據(jù)集，進行空間數(shù)據(jù)的建模與推理。公司致力于為開發(fā)者和行業(yè)提供一套具有深度空間理解、動態(tài)交互和生成能力的

AI

工具和平臺，讓機器不僅能夠理解視覺圖像，還能在真實世界的三維空間中“感知”并做出反應。2024年12月，World

Labs發(fā)布空間智能模型，生成更加逼近物理世界的

3D

環(huán)境建模，而不僅僅是可互動視頻，更接近理解圖片的物理關系。World Labs（李飛飛）：發(fā)布高保真仿真平臺圖：利用3D場景來構建交互結果22數(shù)據(jù)來源：中國機器人網(wǎng)，東吳證券研究所2025年2月25日，智元機器人宣布出自主研發(fā)的大型仿真框架AgiBot

Digital

World，為機器人操作提供靈活的仿真數(shù)據(jù)生成方案、預訓練的大規(guī)模仿真數(shù)據(jù)和統(tǒng)一的模型評測標準，同步開源海量仿真數(shù)據(jù)！AgiBot

Digital

World作為一款專為機器人操作技能研究與應用設計的仿真框架，集成了海量的逼真三維資產(chǎn)、多樣化的專家軌跡生成機制和全面的模型評估工具。通過高保真地模擬訓練場景，全鏈自動化地生成數(shù)據(jù)。智元機器人開源上線海量規(guī)模的仿真數(shù)據(jù)集AgiBot

Digital

World

Dataset，涵蓋5大類場景、180+品類具體物品、9種常見材質、12種核心技能，具有質量高、泛化快、任務多樣、應用靈活的特點。智元：推出AgiBot Digital World仿真框架，助力仿真數(shù)據(jù)生成圖：AgiBotDigitalWorld仿真數(shù)據(jù)訓練流程分類具體場景9大類材質木質、地毯、石制、布料、金屬、混凝土、大理石、瓷磚、玻璃180+類物品家用電器、衣物配飾、日雜用品、食品飲料、清潔護理、母嬰玩具、電子產(chǎn)品、辦公用品、體育用品、其他12類原子技能抓、放、插、倒、點擊、滑、推、拉、扭、按、開、關5類環(huán)境家居、商超、辦公、餐飲、工業(yè)23數(shù)據(jù)來源：智元機器人，東吳證券研究所圖：專家示范生成流水線生成式物理引擎Genesis發(fā)布。2024年12月中旬，CMU

聯(lián)合其他

20

多所研究實驗室開源發(fā)布了一個生成式物理引擎：Genesis。發(fā)布的Genesis

是一個用于通用機器人學習的生成式和可微分的物理引擎，提供了一個統(tǒng)一的模擬平臺，支持各種材料的模擬，能夠模擬廣泛的機器人任務，同時完全支持可微分特性。旨在為機器人解鎖無限且多樣化的數(shù)據(jù)，讓它們能夠在前所未有的各種環(huán)境中學習廣泛的技能。Genesis：開源生成式物理引擎圖：Genesis

與常用的基于

CPU

和

GPU的機器人模擬器的速度比較24數(shù)據(jù)來源：機器之心，東吳證券研究所NVIDIA

Isaac

Sim

是一款基于

NVIDIA

Omniverse

構建的參考應用程序，用于在基于物理的虛擬環(huán)境中開發(fā)、仿真和測試由

AI

驅動的機器人。2025年1月，英偉達推出了全新Isaac

Sim

4.5版本，其中NVIDIA

Cosmos世界基礎模型，結合

Isaac

Sim

可生成大量可控的合成數(shù)據(jù)，可用于訓練機器人感知系統(tǒng)。

同時發(fā)布的NVIDIA

Isaac

GR00T

Blueprint，人形機器人開發(fā)者現(xiàn)在可以利用該Blueprint，通過少量人類示范構建自定義數(shù)據(jù)管線，生成大量合成軌跡數(shù)據(jù)。英偉達： NVIDIA Isaac Sim結合Comsmos可生成可控合成