成都考拉悠然联合同济大学:造“可编程世界”让机器人少实拍百遍
训练一台机器人学会在厨房取杯子,过去得真人反复演示上百遍,换个场景、换个机位,又得从头再来。数据不够,机器人就“笨”,这是眼下具身智能行业最头疼的事。成都一家企业想了个办法:像写代码一样“搭”出一个三维世界,机器人、物体、动作、镜头全是可调参数,换场景不用重搭台,换机位不用重拍。训练数据的生产,由此...
过去要让一台机器人学会在厨房取杯子,真人得反复演示上百遍,场景一换、机位一挪,又得从头再来。数据不够,机器人就“笨”,这是眼下具身智能行业最头疼的事。
成都有家企业换了条路子:三维世界能像写代码那样“搭”出来,机器人、物体、动作、镜头都做成可调参数,换场景不必重新搭台,换机位也省去重拍。训练数据的产出方式,于是从“反复实拍”转为“搭一次、多次复用”。
近日,成都考拉悠然联合同济大学发布悠然无界世界模型新成果BWM-Forge,做的就是这件事。
▲成都考拉悠然科技有限公司
眼下成都把具身智能当作牵引力,全力冲刺人工智能产业:2025年全市人工智能核心产业规模突破1500亿元,上下游企业集聚超1200家。可训练数据的规模化生产始终是卡脖子的地方,考拉悠然提供的这块“拼图”,恰好堵的就是这个缺口。
一个搬箱动作
一次拍完能变出三个场景
考拉悠然董事长申恒涛院士做过一次演示:人形机器人搬起箱子,这个动作只演一遍。BWM-Forge随后把它安进三个场景——市场里,边上是摊位和遮阳棚;仓库里,头顶是挑高的大堂;垂直农场里,两侧是成排植物。机器人没换,箱子没换,镜头也没动,改的只是四周环境和光线。一个动作,产出三份能直接进训练集的画面。
申恒涛院士说,传统拍法是搭一次台、采一遍数据,换一个场景,台子拆了重搭,机器人重新走一遍,三个场景就是三倍的采集成本。BWM-Forge把“环境”变成可以单独调的一层,动作拍一次,环境换三回。
▲BWM-Forge可执行场景程序连接机器人任务
视角同理。同一只四足机器人在工厂里行走、转弯、爬楼梯,这段动作只拍一回,却能同时架起三台“相机”:一台远远盯着整体路线,一台跟在后面看身体如何发力,一台搁在它“眼睛”处盯前方有没有台阶。
申恒涛院士说,三台相机共用同一个场景、同一套动作,不用重拍,一次就多出三组不同角度的画面。训练里最缺的往往是“机器人自己看到的世界”,这类视角过去最难采,现在改个参数就能补上。
本体同样可以替换。申恒涛院士表示,系统会把每一回搭建和渲染攒下的经验存起来,避障间隙、动作阶段、相机取景这些经验,下回碰上陌生物体、陌生场景仍能直接调取。“越用越省,这是这套流程最实在的价值。”
▲BWM-Forge覆盖机械臂、机器人等多类本体,展示抓取、操作、行走等多样具身任务
那流程具体怎么跑?申恒涛院士向记者拆开讲:第一步用代码搭起三维场景的“骨架”——机器人站在哪、物体怎么放、镜头从哪个角度拍,统统写成可调参数;第二步交给视频生成模型,把材质、光影和环境细节补齐。“好比先把房子的框架立起来,再刷墙、铺地板、摆家具。框架自己也能动,想开扇窗、换个布局,改代码就成,装修更是随时可换。”
这条“产线”省下的正是真金白银。现在主流的路子是真机遥操作采集,一台机器人、一个场景、一个动作来回拍。有从业者算过账:真机数据市场报价每小时500元到1000元,采完还得清洗、标注,后面的开销跟采集费用差不多一比一。麻烦的还有复用率低——场景一换、机位一换,数据只能重采。
申恒涛院士解释,BWM-Forge把场景、动作、镜头变成可编辑、可复用的程序,相当于让具身世界生产规模化。
▲成都考拉悠然科技有限公司产品展示
成都缺的不是机器人
是“喂”机器人的数据
申恒涛说的“产线”,对成都来说来得正是时候。
成都的机器人整机产线已经动起来了。智元西南基地在郫都区下线首批200台“成都造”人形机器人,全面达产后一年能出数千台;成都的规划是,力争到2026年底在全市各场景完成万台级整机部署。今年以来,国内具身智能头部五强——宇树、优必选、智元、银河通用、星动纪元,已悉数落子成都。
可机器人造出来,不代表就能干活。要让它在工厂巡检、在仓库搬货、在厨房取物,得喂进海量交互数据,而真机采集这笔账并不好算。
成都其实已在补这一环。智元在郫都区同步启用数据采集及训练中心,对接成都智算中心算力,以真机采集为主、无本体采集为辅,让机器人在真实环境里持续学习。
考拉悠然走的是另一条路子——拿代码搭出一个可编程的世界模型,换场景不必重搭台子,换机位也不用重拍。这条路和真机采集并不打架:后者管的是数据够不够真,前者管的是数据够不够多、够不够便宜。说到底,一个兜底,一个放量。
考拉悠然在成都人工智能产业链里本就是链主企业,它打造的世界模型基座,填的正是成都具身智能产业链中偏软的那一环。成都在整机制造、场景开放、算力底座上有优势,可具身大脑、世界模型这类底层软件能力,此前一直缺一个能拿得出手的本土选手。
如今这个位置有了人。考拉悠然无界世界模型BWM-Pro此前登顶TriWorldBench总榜第一,还把三视角一致性、任务对齐、运动质量三大维度第一全部收入囊中。换成直白的话说:成都已经把机器人身体造出来、把实训场景打开、把算力铺好,考拉悠然补的是中间那层——身体有脑子可装,场景有数据可填,算力有模型可跑。这块拼图的意义,在于让整条产业链转得更顺。
效果如何,跑分先摆出来。15项任务评估里,BWM-Forge的主体一致性拿到0.9721,对比方法为0.9480;指令对齐均分3.33,对比方法2.73。申恒涛讲得实在:“跑分只是第一步,更关心的是这些生成的数据能不能真正帮机器人学得更快、更好。”
一座城市在具身智能上的竞争力,从来不能只数造了多少台机器人,还得看机器人能不能真“学会干活”。训练数据的生产不再靠一遍遍实拍,转而成为可编辑、可复用、可累积的资产——到那时候,成都手里攥住的就不只是一条产线,而是让整条产业链持续变聪明的底座。