在以“重塑創(chuàng)新增長”為主題的“2025 Inclusion·外灘大會(huì)”上，共有40余家具身智能企業(yè)亮相。如何協(xié)同產(chǎn)業(yè)鏈上下游，將技術(shù)突破轉(zhuǎn)化為商業(yè)回報(bào)，成為不少與會(huì)行業(yè)人員關(guān)注的問題。

“我們的愿景是把具身智能大模型所帶來的智能和高性能人形硬件本體結(jié)合起來，形成一個(gè)完整的產(chǎn)品力服務(wù)，讓它真正能夠?qū)崿F(xiàn)跨行業(yè)應(yīng)用、走進(jìn)千家萬戶、服務(wù)千行百業(yè)。”9月12日，在“具身智能：從泛化到行動(dòng)，重塑產(chǎn)業(yè)未來”的分論壇上，北京銀河通用機(jī)器人有限公司（以下簡稱“銀河通用”）聯(lián)合創(chuàng)始人、大模型負(fù)責(zé)人張直政分享了團(tuán)隊(duì)在具身智能訓(xùn)練方面正在探索的途徑和方向。

一個(gè)聰明的、會(huì)干活的機(jī)器人是通過場景訓(xùn)練出來的。在人形機(jī)器人迎來爆發(fā)的關(guān)鍵階段，不少企業(yè)要面臨“具身智能訓(xùn)練的數(shù)據(jù)從哪里來”的問題。

“具身智能：從泛化到行動(dòng)，重塑產(chǎn)業(yè)未來”分論壇

張直政在現(xiàn)場演講中介紹，目前行業(yè)內(nèi)已經(jīng)有通過真機(jī)遙操作采集數(shù)據(jù)。他以特斯拉舉例介紹稱，在訓(xùn)練電池分揀任務(wù)上，需要數(shù)十萬條數(shù)據(jù)，40個(gè)人要花費(fèi)一個(gè)月時(shí)間進(jìn)行采集?！叭绻磭鴥?nèi)的人力成本來算，我們可能要花數(shù)百萬人民幣。”

在張直政看來，如此耗時(shí)耗力的數(shù)據(jù)采集方式是否會(huì)是通往具身智能的最終解決路徑值得思考，尤其是當(dāng)具身智能面臨跨任務(wù)泛化時(shí)，可能需要上萬億條數(shù)據(jù)。

從2023年創(chuàng)立到現(xiàn)在，銀河通用機(jī)器人堅(jiān)持探索的技術(shù)路線則是用仿真合成數(shù)據(jù)。據(jù)了解，仿真合成數(shù)據(jù)具有可控性、效率高，但在文理和語義的學(xué)習(xí)上比不上真實(shí)場景的數(shù)據(jù)。

張直政表示，目前這個(gè)問題已經(jīng)被圖文大模型、數(shù)字大模型解決了，現(xiàn)在可以用更多的互聯(lián)網(wǎng)數(shù)據(jù)讓機(jī)器人學(xué)語義。銀河通用目前在探索的便是，機(jī)器人學(xué)習(xí)動(dòng)作用仿真數(shù)據(jù)，學(xué)習(xí)語義可以部分結(jié)合真實(shí)數(shù)據(jù)。

“從前端的各種形態(tài)、各種功能數(shù)據(jù)資產(chǎn)的生成，到動(dòng)作軌跡的生成，再到最終的渲染，我們實(shí)現(xiàn)了一條完整的高效的仿真合成數(shù)據(jù)的管線。有了這樣的管線，我們就可以更快速、更低成本生產(chǎn)更高質(zhì)量的動(dòng)作數(shù)據(jù)來訓(xùn)練我們的具身模型。”張直政講述稱。

據(jù)他介紹，銀河通用已經(jīng)生產(chǎn)出世界上目前規(guī)模最大的數(shù)據(jù)集——10億級別的仿真合成數(shù)據(jù)，目前內(nèi)部已經(jīng)進(jìn)一步將數(shù)量級擴(kuò)大至百億級別、千億級別。

“有了大規(guī)模仿真合成數(shù)據(jù)，我們就能夠做到通過預(yù)訓(xùn)練讓模型在視覺、語言、動(dòng)作層面實(shí)現(xiàn)不同維度的泛化。”張直政提到，這將直接實(shí)現(xiàn)效率上的提高，“同樣是做電池分揀任務(wù)，一個(gè)遙操員可能只要花半天不到的時(shí)間就能夠讓具身智能完成技能的學(xué)習(xí)。”

“通過少量真實(shí)數(shù)據(jù)后訓(xùn)練，可以1000倍提升真實(shí)數(shù)據(jù)效率?！睆堉闭硎?，未來還可以打開想象，當(dāng)學(xué)習(xí)更多技能時(shí)，效率提升可能是上萬倍甚至是數(shù)十萬倍。