C17官方网站-C17(中国)-WAIC 观察：通用具身智能要在有生之年实现，急需「物理 AI 基建狂魔」

今天的物理 AI，不只比“武功”，更患上拼“内力”。作者丨齐铖湧 董子博

编纂丨马晓宁

WAIC 2026 到了末了一天，逛了无数个具身展台，心里不由有了不少感触。

柔性抓取可以抓异形物体了，长程使命也更繁杂了——技能飞快前进，似乎通器具身离咱们已经经不远。但 Demo 越炫，人气越足，作为一个到场过 n 次的 WAIC“白叟”，就越感觉这届 WAIC 好像少了些甚么——模子吹患上口不择言，底层的数据基建却鲜少有人谈和。

数据，无疑是具身智能行业中“房间里的年夜象”——于 WAIC 上随意及一名从业者深谈两句，各人城市不约而同地堕入统一种焦急：其实太缺数据了。

于AI科技评论看来，要构建具身智能的数据基础举措措施，必需同时回覆两个极为硬核的问题：

第一，你能弄到几多数据？

第二，这些异构的、非布局化的数据，能不克不及被有用地配合进修？

带着这两个问题，于本年的 WAIC 现场，有一家公司展台吸引了 AI 科技评论的存眷：跨维智能（如下简称“跨维”）。

用一句话来讲：要实现通用的具身智能，跨维想做的，是“物理 AI 基建狂魔”。

要让具身智能通用泛化，起首要做到智能的涌现，去理解繁杂多变的真实世界，及人类同样有一种“物理直觉”；其次要可以或许随机阐扬，于不确定的情况中随机应变、触类旁通；末了更要可以自立纠错，削减人工参与，晋升容错韧性。

而要告竣这个方针，海量的、可对于齐的数据，则成为了物理 AI 基建中一块必不成少的拼图。

01

批量出产海量数据，仿真才是超等年夜杀器

都知道数据量主要，但想要把数据量“堆”出来，却不是一件易事。

靠真实情况里一台台呆板人去“死磕”收罗，不仅成本高患上使人绝望，且要笼罩全数长尾场景，又要泯灭无数的时间。

真实世界太有限？呆板人于虚拟世界的仿真体系里，同样能采到好用的数据。

于 WAIC2026 上，跨维的自研仿真引擎 DexVerse，就是为了这个方针闪亮登场。

DexVerse 牛于哪里？剧透一下：它是当前全世界独一一款，撑持同场景下多物理场耦合的具身智能仿真引擎。

于 DexVerse 里，刚体、柔体、布料、流体甚至切割动作可以同时发生、彼此影响。好比呆板人切面包，体系能及时计较出物体拓扑布局的转变与全新的切面；呆板人叠衣服，引擎能切确模仿手、衣物及桌面之间连续的接触与形变，而不是粗鲁的“视觉穿模”。

许多人知道，做仿真的头部年夜厂英伟达 NVIDIA 推出的 Isaac Sim 平台很强，但 DexVerse 也有与之一战的实力。Isaac Sim 平台只能同时耦合 2 种材质，DexVerse 则可以同时耦合刚体、软体、布料、流体 4 种材质，能力规模更广。

而且，DexVerse 不仅能实现 Isaac Sim 今朝做不到的高保真软体动态切割，完全离别古板的预设轨迹。于处置惩罚繁杂的刚体与布料耦应时，更是做到了真实的物理级无穿透，天然重叠与受力形变的精准度显著领先在英伟达。

Isaac Sim 能力简直不弱，而今天的 DexVerse，也许有能力成为前者于仿真范畴一个势均力敌的敌手——或者者一个好用的国产替换。

有了能把繁杂物理世界及时“算”出来的 DexVerse，跨维的下一步，就是批量化地出产具身可用的高质量数据，把呆板人的练习，从手事情坊酿成数据的“出产线”——这恰是“基建狂魔”打下的第一根地桩。

不像物理世界，虚拟世界里，无数的练习可以同时发生，而且迭代更快，成本更低。利用 DexVerse 的天生式仿真，不仅让真机数据收罗的耗损年夜幅降低，更给了客户快速界说新使命、新物体、新场景的权利，并能即时于仿真体系中举行验证。

假如能直接撑持呆板人练习的数据，可以或许像图片及视频同样可以或许被主动化地批量天生，那末具身智能间隔通用就又进了一年夜步。

02

“数据对于齐”，才是老手人真正存眷的细节

有了海量数据，就能直接喂给年夜模子吗？

近期行业内的一系列研究（如阿里的 Qwen-RobotManip 新事情等）不约而同地指向一个残暴的事实：将异构的呆板人数据简朴混淆，往往会激发负迁徙——也就是“帮倒忙”。

差别呆板人、差别相机视角、差别坐标系的数据，于模子眼里彻底是鸡同鸭讲。是以，行业正于形成一个新共鸣：“Alignment before scale”（对于齐是范围化的条件）。

本年六月，跨维智能率先提出 Dexterity-BEV 同一表征技能，体系性地将 BEV 要领论推进到具身智能数据基建层；同月，又拿下 WorldArena 世界模子榜单 Track 2 赛道全世界第一。

同月先后，海内外顶尖团队也陆续发布了近似事情，如阿里Qwen-RobotManip、佐治亚理工的 Danfei Xu 教员的 EgoWAM、Rethinking VLA Scaling等。

而到了本年的 WAIC 上，跨维则更进一步，直接端出了百万级时空动尴尬刁难齐数据集 Aligned DexWorld。

基在Dexterity-BEV的积淀，Aligned DexWorld 让全行业真正拥有了“开箱即用”、可以或许被有用配合进修的海量物理数据。数据集网站以下：https://dexforce.com/aligned-DexWorld/。

Aligned DexWorld 包罗了超 200 万条高质量异构数据样本。这内里很是“八门五花”：有来自差别本体的真机数据（人形呆板人与机械臂）、有仿真数据，还有有第一人称的人手演示数据。区分在传统仅仅做“格局规整”的数据集，Aligned DexWorld 的焦点价值于在“深度物理级对于齐”，它让人类数据与呆板人数据，真正“说上了统一种物理语言”。

详细来讲，跨维对于数据举行了三个对于齐：

空间对于齐：同一多相机、多装备的三维坐标系，消弭不雅测误差，让模子用心进修真实场景的物理特性。

动尴尬刁难齐：摒弃绑定特定硬件的表征方式，转化为通用物理表征，实现跨呆板人、跨装备的数据可迁徙与结合练习。

时间对于齐：规整硬件频率、人工操作带来的时序差异。

面临这 200 万条重大的异构数据，假如端赖人工死磕，成本无疑是天价。跨维揭示出了作为“基建狂魔”的工程聪明：

于处置惩罚精度上，他们搭建了“人工校准+几何求解+模子辅助+人工核验”的尺度化闭环。让每一一条数据的对于齐逻辑都可追溯、可复现，咬住年夜范围数据的总体不变性。

于数据标注上，跑通了全主动标注流程。这套打法不仅年夜幅减少了人力成本，更高效地产出了尺度化的高质量子使命数据，可以或许显著晋升具身模子的泛化能力。

可以说，Aligned DexWorld 为整个呆板人行业，实打实地搭建起了一个低成本、可复用的数据出产底座。

03

具身先有底层基建，才有物理直觉

有了强盛的数据出产及对于齐能力，跨维还有需要现实地把数据及练习基础举措措施用起来，而且验证这一套系统的有用性——除了了可以自力办事其他差别呆板人企业、研究i机谈判模子开发者，跨维智能的旗舰世界模子 DexWorldModel，就成为了“数据出产-模子练习-真实场景落地”闭环的末了一块拼图。

人类可以或许及物理世界交互，需要的是一种“物理直觉”，可以或许做到长程地、抗滋扰地、切确地操作——呆板人要愈来愈靠近人类，也必需具有这类“直觉”。

于 WAIC 现场，跨维展台被围患上水泄欠亨的，是一个“呆板人商超扫码分拣” Demo。作为展厅里独一一个还有原零售扫码场景的展台，呆板人表现出的能力相称周全：不仅要从一筐随机堆放的商品中抓起硬度、形状纷歧的瓶子，更要扫到瓶身上的条形码，再把瓶子放到指定的位置。

面临非标的、甚至练习集里从未见过的饮料瓶，呆板人揭示出了极为类人的顺应力：它自立涌现出了侧向掏取、扶正后抓取等计谋；当抓取滑脱或者扫码掉败时，它无需人工复位，可以或许及时感知过错并自立调解计谋从头履行。

而于扫码的场景，真实的挑战，甚至不于在 Pick Place，也不于在扫码，而是“找到条形码”。

找到条形码，是一个复合型的使命——于真实场景中，条形码于瓶身上的位置及朝向都不是尺度化的，它可能违对于相机、被手遮挡……要找到条形码，呆板人必需进修人类的方式，一边调解抓握瓶身的姿态，一边从头计划动作，一边不雅察寻觅条形码，而非机械地履行预设的轨迹。

这类“手、眼、脑”一体的能力，磨练的不仅是具身年夜脑于面临非标问题时的操作、不雅察及决议计划能力，更有呆板人于面临非标问题时，涌现式的自立“解题”能力。于 WAIC，跨维还有展示了一个 Demo，模仿电子制造产线中的常见场景——手机装盒。面临这个需要精准辨认、周详操作、抵挡情况滋扰及操作掉误的事情，不少厂商的 Demo 选择的是遥操的方案，但跨维的 Demo 则是经由过程世界模子 DexWorldModel 实现，可以直接异地部署。

经由过程仿真合成数据及真机数据联合练习，DexWorldModel 驱动的具身呆板人，不仅可以或许及时主动辨认物料的位置及姿态，还有能自立辨认漏抓、物料偏移等异样环境，再也不只履行预设动作，可以从头计划路径，完成使命。

这类“智能涌现、随机阐扬与过错恢复”的能力，恰是跨维“基模预练习 + 场景 Finetuning + 世界模子”的实战查验。世界模子于此中饰演了要害脚色：于动作发生前，它能于脑海中举行“物理预演”，评估抓取乐成率；它能跨视角补全 3D 场景，猜测下一个状况。

呆板人再也不是死记硬违坐标系，而是真正理解了“瓶子”这个物理观点，从而于布满杂乱与不确定的真实世界中游刃有余。

一样的毫米级周详操作与抗滋扰能力，也于跨维展示的“手机装盒产线 Demo”中获得了印证，充实揭示了其面向繁杂工业场景的柔性顺应力。

这就是为何要做底层基建的主要缘故原由，当具身呆板人拥有了物理直觉，它的上限会被无穷提高。

04

结语：具身智能成长的第一性，究竟是甚么？

逛完跨维的展台，AI 科技评论最年夜的感触感染是：跨维及跟此刻的许多具身智能公司，玩的是两套逻辑。

不少公司要末赶着造呆板人本体，要末卷年夜模子，或者者拿一堆真机数据死磕某个单一场景的抓取——把一个垂直单点钻深钻透，是他们心中实现物理 AI 落地最直接的路径。

于一众竞逐者中，跨维却显患上像个“异类”：他们想要的构建的，是一个别系，涵盖从物理引擎、天生式仿真、世界模子及工业部署的全流程板块，来寻觅通往通器具身智能的可能。

让呆板人能把一个动作、一个场景做到极致，固然有它的价值；但于跨维看来，第一性的问题，永远是用更低的成本，让呆板人完成进修-试错-范围落地的闭环。

技能终极要回归贸易素质。跨维同时也实其实于地把优异的技能向财产运送。截至今朝，跨维的技能已经于智能制造、文旅办事等范畴落地 50+ 真实场景，部署了超 1500+ 具身模子，并实现了很是可不雅的贸易转化。

当其别人望着具身智能辉煌光耀的星空，把头仰患上高高的；跨维智能却于“基建狂魔”之路上走患上愈来愈远，把手深深地埋进膏壤——他们知道，只有地基充足牢靠，其上的高楼才能于有朝一日，让头顶敞亮的星星触手可和。雷峰网(公家号：雷峰网)

雷峰网原创文章，未经授权禁止转载。详情见转载须知。

-C17官方网站-C17(中国)