专题：2025世界机器人大会：AI大模型赋能机器人与具身智能产业新范式交流活动

　　“2025世界机器人大会”于8月8日至12日在北京经济技术开发区开幕，“AI 大模型赋能机器人与具身智能产业新范式交流活动”作为2025世界机器人大会的专题活动于8月8日同期召开。银河通用联合创始人兼大模型负责人张直政出席并演讲。

　　以下为演讲实录：

　　大家好，非常荣幸来这里给大家分享我们公司最新的科研成果和商业化进展。首先介绍一下我们公司。

　　我们公司成立于2023年5月的一家人形机器人公司，我们的目标是构建大模型驱动具有高阶智能化水平的大脑，并将其和人形的硬件结合在一起，最终希望实现一个跨行业、跨领域通用的人形机器人。

　　我们带着这样的使命正在深耕面向真实场景落地应用的具身智能大模型，我们知道具身智能从传统的结构化的应用到完全非结构化的应用，需要解决两大挑战。

　　第一大挑战，要解决数据瓶颈。

　　第二大挑战，我们要用数据驱动，让机器人具有泛化性，从而实现在各个场景里的落地。

　　这个过程中，目前行业里有两个采集数据的主要方式。

　　方式一：用真实数据采集，相当于用遥操员来操控机器人的主臂来带动从臂来采集这样的真实数据，但是我们的具身大模型实际上可能需要数十亿到数百亿条数据才能让我们的模型达到一定的泛化性水平。

　　方式二：我们公司主推的通过仿真合成技术，在虚拟世界里训练大量的技能，然后把这些技能应用到真实世界里。

　　最近大家对于两条技术路线有着诸多讨论，有的人说和仿真数据相比，真实数据的质量更高。而我们要从更深层次来看待这个问题的本质，从机器学习的角度来看，具身智能模型有两个学习目标。

　　目标一：学习语义，需要理解环境、理解状态，理解任务，也就是希望机器人做什么。

　　目标二：希望机器人和人一样，有非常泛化的动作表现，只有这样才能够稳定、准确地执行不同任务所需要的各种技能。

　　从这两个角度来讲，如果我们把仿真数据和合成数据对比，要看谁更有优势。从纹理的角度，这个也是我们人比较敏感的，确实是真实数据更真，但是现在的多模态大模型的水平几乎解决了这个问题，因为影响的是具身模型认不认识需要交互的物体。而真正影响具身模型动作表现的其实是几何、材质和轨迹。而在这三个维度，由于可以在仿真器里进行大量的randomization。超越真实存在的物体之外进行更高、更全面、更多样性的泛化，就能让模型学到更广的数据分布。

　　从这个角度来讲也是为什么用仿真合成数据训出来的机器人能够在对于没有见过的物体充分的泛化。这背后思考的逻辑首先要想为什么需要让机器人学习通用知识，大家知道人类的学习目标是让自己成为专家，但是机器人的学习目标是希望成为AGI，这个看似矛盾，但其实我们要想背后的道理，人学知识是从优先学广而多的知识，再转化成为学一个专但是难的专业知识。像我们从初中文理科都学，高中开始分科，大学、研究生才开始细分专业。

　　我们带着这样对于机器学习和人类学习底层逻辑的思考，推出的训练范式是把仿真数据和真实数据结合起来。在预训练阶段，由于难以获得大量的真实数据，并且真实数据它的动作重复定位精度、一致性、稳定性很差，所以仿真数据反而是预训练阶段非常好的训练素材。

　　后训练阶段，我们再用少量的真实世界数据让它在纹理的层面、语义的层面跟我们的任务目标进行对齐。带着这样的范式开始了从具身智能模型、实验室模型到商业落地水平的快速前进。接下来会给大家介绍首先在今年年初我们用十亿级的合成数据，来研究泛化的?/span>