重磅推荐“微信小程序填大坑透视挂辅助”分享真的有挂给你

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 。光轮智能解决方案副总裁张建伟出席并演讲。

　　以下为演讲实录：

　　大家下午好，我是来自光轮智能的张建伟 ，今天和大家分享的主题是《合成数据加速具身智能进入物理世界》
。今天下午也听了大家的分享，有做本体
，有做模型的，但是大家提到更多的还是数据方面 ，当然也有做真实数据采集的。

　　我们做的相对比较聚焦
，主要在合成数据领域 。

　　我今天的分享聚焦两个点：

　　第一部分，我们对于合成数据的认知
。

　　第二部分 ，介绍一下我们在做的一些事。

　　首先看AI的发展
，我们观察到两个趋势：

　　一是AI正以多模块的方式往端到端方向发展，包括大语言模型 、自动驾驶 ，也包括具身VLA领域 。所谓端到端
，就是用更多的神经网络替代更多模块，比如在自动驾驶领域——我之前也做智驾这一块——端到端的出现 ，让我们看到自动驾驶领域中
，之前的感知
、预测、规划多模块架构，正通过整体的端到端网络做替代
。具身智能采用VLA的网络架构 ，本质上也是端到端的架构。端到端的出现意味着我们需要更多高质量数据来提升AI整体性能 。

　　二是Transformer网络模型的出现及普遍应用，让我们看到AI正在往“以数据为中心
”的方向发展
，数据质量的好坏决定了AI的性能好坏
。所以在这两个趋势下，我们可以说今天的AI时代其实是以数据为中心的时代。

　　回到今天的话题 ，我们认为
，具身智能的数据需求会是自动驾驶和大语言模型的1000倍 。首先，前面也有嘉宾提到具身数据比较特殊 ，需求量大
，因为今天的具身智能希望机器人能走进千家万户，应用到不同场景 ，比如工业场景 、居家场景
、商超场景
。不同场景下
，需要具身智能有更好的泛化性，这就需要更多更丰富的数据 ，所以数据需求量会比自动驾驶和大语言模型高三个数量级。

　　第二
，具身数据更强调物理交互 。比如大语言模型可能是文本，VLM模型可能是文本+视觉 ，自动驾驶可能多了激光雷达和毫米波雷达，而具身智能更多关注与物理世界的交互
，包括机器人的运动轨迹、力的反馈，前面也有嘉宾提到力学传感器。本质上我们希望具身智能能真实感受物理世界 ，所以对数据有更强的物理交互要求
。

　　第三
，由于具身智能有不同形态——机器狗 、人形机器人
、机械臂，人形机器人又分轮式、双足等不同形态——具身智能所需的数据本身也是异构的 ，很难有统一标品化的机器人应