风语筑携手浙江大学机器人感知与学习实验室探索物理AI训练体系建设

人工智能正在从数字世界进一步走向物理世界。随着大模型技术快速发展，人工智能正进入新的演进阶段。未来智能体不仅需要理解语言和信息，更需要具备对真实环境的感知、理解、推演和行动能力。

如果说大语言模型建立了机器对文本和知识的理解能力，那么世界模型则进一步帮助智能体建立对现实环境中空间关系、物理规律和动态变化的认知能力，是连接感知、推理与行动的重要基础。而空间数据，作为描述真实世界环境、物体关系和动态变化的重要载体，正成为世界模型训练以及具身智能发展的关键基础资源。

在这一过程中，真实世界数据、高质量空间数据、世界模型以及高保真仿真训练环境，正在成为推动具身智能发展的重要基础能力。通过数字孪生、空间重建和合成训练数据等技术路径，对真实世界进行高精度数字化表达，将为智能体理解和学习物理世界提供重要支撑。

近日，浙江风语筑具身智能科技有限公司与浙江大学机器人感知与学习实验室围绕物理AI、具身智能训练、世界模型、空间智能感知、数字孪生仿真以及合成训练数据等方向开展交流与合作，共同探索空间数据赋能具身智能发展的新路径。

▌具身智能发展，需要构建理解真实世界的能力

近年来，以大模型为代表的人工智能技术快速发展，但当智能体从数字空间进入真实物理环境，新的技术挑战也随之出现。

与传统人工智能主要处理文本、图像等数字信息不同，具身智能需要在复杂环境中完成感知、决策和执行。

这意味着机器人不仅需要“看见”环境，更需要理解空间结构、物体关系、运动规律以及人与环境之间的交互过程。

业内普遍认为，高质量训练数据体系不足，是当前具身大脑模型发展的重要挑战之一。

不同于语言模型可以依托互联网公开数据进行规模化训练，具身智能训练需要融合视觉信息、空间结构、物理属性、环境变化以及交互反馈等多维数据，对数据采集、生成和仿真训练体系提出了更高要求。

浙江大学控制学院智能驾驶与未来交通中心副主任、机器人感知与学习实验室副主任杨建党表示，具身智能的核心，是让人工智能具备理解和交互真实物理世界的能力。未来机器人能力提升不仅依赖算法创新，也需要数据、模型、仿真环境以及真实交互等多方面能力协同发展。

杨建党认为，世界模型和高保真仿真环境能够帮助智能体在进入真实环境之前完成大量学习和策略优化，从而提升复杂场景下的适应能力。

“智能体未来需要的不只是识别环境，更需要形成对环境状态和变化规律的理解能力。”杨建党表示。

▌空间数据成为连接真实世界与世界模型的重要纽带

随着人工智能从数字世界走向物理世界，如何将真实空间转化为可计算、可训练、可交互的数据资源，正在成为产业探索的重要方向。

长期服务城市空间、产业空间、文化空间等复杂场景建设过程中，风语筑积累了大量来源于真实世界的三维空间数据资产，这些经过数字化表达的三维空间资源，为构建面向智能体训练的空间数据库和仿真环境提供了基础。

这些长期积累的空间数字资产，正在物理AI时代展现新的应用价值。

对于具身智能而言，真实世界空间环境不仅是机器人运行的场景，也是智能体学习和训练的重要资源。

通过对真实空间进行数字化表达，并构建高保真的仿真环境，可以为智能体提供更加丰富、可控、可验证的训练场景。

随着空间数据规模持续积累，如何构建面向智能体训练的空间数据库，正在成为物理AI发展的重要基础设施。

浙江风语筑具身智能科技有限公司负责人董航表示，物理AI的发展需要新的数据基础设施和训练体系支撑。随着具身智能技术从实验室研发逐步走向产业应用，行业对于高质量训练环境、数据采集体系以及仿真验证能力的需求正在不断提升。

“未来智能体能力提升的关键，不仅在于模型规模增长，更在于如何获得更加丰富、高质量、能够用于训练和验证的数据资源。”董航表示。

董航认为，空间数据是连接真实世界与智能模型的重要纽带。风语筑长期积累的空间数字化能力，为探索空间数据向智能训练资源转化提供了基础。

▌产学研融合探索物理AI训练体系新路径

浙江大学机器人感知与学习实验室长期围绕机器人感知、学习与智能决策等前沿方向开展研究，在机器人视觉感知、多模态融合、动态环境理解、具身学习以及智能控制等领域积累了丰富科研成果。

在此次交流基础上，双方将结合各自在科研创新与产业实践方面的优势，围绕空间智能与具身智能融合发展的技术体系、应用场景和产业化路径展开探索。

双方将探索具身智能场景共创与应用模式创新，结合风语筑在空间设计、数字内容构建、沉浸式体验以及真实世界空间数据方面的积累，与实验室在机器人感知学习、智能控制及具身智能解决方案方面的技术能力，共同推动具身智能技术在文化空间、产业空间等场景中的应用探索。

同时，双方将围绕物理AI仿真训练环境建设展开探索，将风语筑沉淀的真实空间资产与机器人感知、环境理解、运动控制等技术能力相结合，构建融合真实空间数据与智能算法的高保真训练环境，通过数字孪生技术连接虚拟训练空间与真实应用场景，为具身智能模型训练、算法优化以及合成训练数据生成提供支持。

此外，双方还将探索面向具身智能应用的标准化开发能力建设，推动空间智能平台、仿真环境以及机器人智能技术形成更加开放的应用体系，为产业链上下游企业提供更高效的技术支撑。

▌从空间数字化走向物理AI基础设施建设

随着人工智能不断向物理世界延伸，产业竞争正在从单一模型能力竞争，逐步拓展到数据资源、训练环境和基础能力体系竞争。

具备真实世界数据积累、空间数字化能力以及仿真训练体系建设能力的企业，有望成为物理AI产业生态的重要参与者。

风语筑与浙江大学机器人感知与学习实验室围绕相关方向的交流与探索，是空间数字化能力向物理AI时代延伸的一次实践。

未来，随着具身智能技术持续发展，真实世界数据、空间智能能力以及训练体系建设的重要性有望进一步提升，推动人工智能从数字世界走向更加广阔的物理世界。

同时，空间数字资产也将在人工智能时代释放新的产业价值，推动物理AI基础设施建设不断完善。