机器人“学干活”不用再实拍上百遍,成都企业联合同济大学造了个“可编程世界”
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,由此从“一遍遍实拍”变成“一次搭建、反复复用”。
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
当前,成都正以具身智能为牵引冲刺人工智能产业,2025年全市人工智能核心产业规模突破1500亿元,集聚上下游企业超1200家。但训练数据的规模化生产一直是卡脖子环节,考拉悠然这块“拼图”,补的正是这一环。
一个搬箱动作
一次拍完能变出三个场景
在考拉悠然董事长申恒涛院士的演示里,一个人形机器人搬起箱子,这个动作只做一次。BWM-Forge能把它放进三个地方:市场里,旁边是摊位和遮阳棚;仓库里,头顶是挑高的大堂;垂直农场里,两边是成排的植物。机器人没换,箱子没换,镜头也没挪,变的只有周围的环境和光线。一次动作,出来三份能直接进训练集的画面。
“传统拍法,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。”申恒涛院士说,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
视角也一样。还是那只四足机器人在工厂里走、转弯、爬楼梯,同一段动作只拍一次,可以同时架三台“相机”:一台在远处看整体路线,一台跟在身后看身体怎么动,一台放在它“眼睛”的位置看前方有没有台阶。
“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。”申恒涛院士说,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。
本体也能换。申恒涛院士说,系统还会把每次搭建和渲染的经验存下来,避障间隙、动作阶段、相机取景这些经验,下次遇到新物体、新场景还能直接调用。“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
那这套流程怎么运转?申恒涛院士向记者拆解:先用代码搭出三维场景的“骨架”——机器人在哪、物体怎么摆、镜头从哪看,全部写成可调参数;再交给视频生成模型补上材质、光影和环境细节。“就像先搭好一间房子的框架,再往里刷墙、铺地板、摆家具。框架本身也能改,想加个窗户、换个布局,改代码就行,装修更是随时能换。”
这套“产线”省下的恰是真金白银。目前主流做法是真机遥操作采集,一台机器人、一个场景、一个动作反复拍。有从业者算过,真机数据市场报价每小时500元到1000元,采完还要清洗、标注,后续成本和采集费用差不多一比一。更麻烦的是复用率低——换个场景、换个机位,数据就得重采。
“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。”申恒涛院士解释。

▲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转起来了。智元西南基地在郫都区下线了首批200台“成都造”人形机器人,全面达产后年产可达数千台;按照成都的规划,力争到2026年底在全市各场景实现万台级整机部署目标。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,已全部落子成都。
但机器人造出来,不等于能干活。让机器人学会在工厂巡检、在仓库搬货、在厨房取物,需要海量交互数据“喂”进去,而真机采集的账并不好算。
成都其实已经在补这一环。智元在郫都区同步启用了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中持续学习。
考拉悠然选的则是另一条路:用代码搭一个可编程的世界模型,换场景不用重搭台,换机位不用重拍。两条路并不冲突:真机采集解决“数据够真”,可编程世界模型解决“数据够多、够便宜”。一个保底,一个放量。
更关键的是,考拉悠然本身就是成都人工智能产业链的链主企业,它做的世界模型基座,补的是成都具身智能产业链里偏“软”的那一段。成都的强项在于整机制造、场景开放、算力底座,但在具身大脑、世界模型这类底层软件能力上,此前缺少一个拿得出手的本土选手。此前,考拉悠然无界世界模型BWM-Pro登顶TriWorldBench总榜第一,并包揽三视角一致性、任务对齐、运动质量三大维度第一。
换句话说,成都把机器人身体造出来了,把实训场景打开了,把算力铺好了,考拉悠然补的是中间那层:让身体有脑子可装,让场景有数据可填,让算力有模型可跑。这块拼图的价值在于让整条产业链转得更顺。
效果怎么样,跑分先说话。在15项任务评估中,BWM-Forge的主体一致性0.9721,对比方法0.9480;指令对齐均分3.33,对比方法2.73。申恒涛说得实在:“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,从来不只是看造出了多少台机器人,更要看机器人能不能真正“学会干活”。当训练数据的生产不再靠一遍遍实拍,而是变成可编辑、可复用、可累积的资产,成都手里握住的,就不只是一条产线,而是让整条产业链持续“变聪明”的底座。
红星新闻记者 赵雨欣 图据受访者
编辑 潘莉
“特别声明:以上作品内容(包括在内的视频、图片或音频)为凤凰网旗下自媒体平台“大风号”用户上传并发布,本平台仅提供信息存储空间服务。
Notice: The content above (including the videos, pictures and audios if any) is uploaded and posted by the user of Dafeng Hao, which is a social media platform and merely provides information storage space services.”




