過去一年，你可能已經被能寫詩、會聊天的AI大模型刷屏了。那些“聰明”的AI，是從互聯網上海量的文字、圖像中“學”出來的。但如果你想讓一個機器人學會“收拾房間”或“端茶倒水”，這條捷徑就走不通了——你總不能讓它在現實世界裡砸壞無數個杯子、碰倒無數件家具來學習吧？

這正是今天機器人（具身智能）發展的最大瓶頸：沒有足夠又好又便宜的“學習資料”——數據。

1月20日，跨維智能公司正式開源了一款名為EmbodiChain的“智能生產線”，它有望徹底解決這個難題。簡單來說，它的核心理念是：既然現實世界的數據這麼難獲取，那我們就在電腦裡，為機器人搭建一個無限逼真的“虛擬世界”來學習。

傳統訓練機器人，需要工程師用真機反復演示、採集海量視頻和動作數據，耗時數月，成本極高，還容易過擬合（是指機器學習或統計模型中，模型在訓練數據上表現過於優秀如，准確率高，但在新數據測試集或實際應用上表現顯著下降的現象）到特定的燈光、桌布等無關細節上。

EmbodiChain的做法完全不同。在電腦裡造世界，你隻需給它一張真實桌子的照片，或直接告訴它“生成一個廚房”，它就能在3D仿真引擎裡，自動構建出一個物理規則逼真的虛擬場景。物體可以摔碎，水可以傾倒，一切都遵循物理定律﹔機器人的虛擬化身在這個世界裡可以7×24小時不間斷地訓練，嘗試抓取、擺放等各種操作。失敗了沒關系，系統會自動分析原因，生成糾正動作，形成“犯錯-學習”的完美閉環﹔在虛擬世界裡，系統可以給機器人提供真實世界沒有的“上帝視角”信息，比如，物體的精確輪廓、距離、能不能被抓握（可供性）。這迫使機器人理解物體的物理本質，而不是隻記住像素圖案，學到的本領更加扎實可靠。

最令人驚訝的是其訓練效果，完全使用100%虛擬數據訓練出一個視覺語言動作模型，然后直接部署到真實機器人上。結果，這個“純虛擬畢業生”在完成如“把蘋果放進碗裡”等真實任務時，成功率顯著超過了那些用大量真實數據訓練出來的主流方法。即使更換桌布、移動物品位置制造干擾，它依然穩健可靠。這証明，高質量的仿真數據不僅能用了，甚至可能因為避免了真實噪聲的干擾而表現更好。

這裡需要特別區分，Sora生成的是連續的像素畫面，而EmbodiChain構建的是可交互、可計算、物理精確的3D仿真環境。機器人是在一個真正能交互的數字宇宙裡學習物理規律和動作技能，確保學到的策略能無縫遷移到現實。

EmbodiChain全面開源，是希望把它打造成具身智能領域的基礎設施，像水電煤一樣供所有研究者和開發者使用。對研究者，從此告別耗時費力的數據採集與清洗，將精力專注於算法與創新﹔對行業，大幅降低機器人訓練的成本與門檻，加速服務機器人、工業自動化等應用的落地進程。

展望未來，我們或許可以期待：那個曾經科幻的“AI管家”時代，正因技術底座的革新而加速到來。

關注公眾號：人民網財經

分享讓更多人看到