“在当前阶段，试图通过真实数据来启动具身智能的Scaling Law，希望渺茫。”跨维智能创始人贾奎在与网易科技等媒体交流时，直截了当地表达了这一观点。

数据匮乏且质量不佳，具身智能领域的数据短缺问题，已然成为行业内的普遍共识。针对这一难题，行业内逐渐分化出两大阵营：真机派与仿真派。

跨维智能、英伟达、银河通用等企业选择了仿真路线。近日，跨维智能宣布，将同步开源其自主研发的、由EmbodiChain自动训练的VLA基座模型，以及几个具体任务示例的VLA模型。

据悉，EmbodiChain作为一款开源的、专为具身智能设计的“生成式数据引擎”，开辟了一条全新路径：机器人能够完全依赖100%的合成数据（即在虚拟世界中“做梦”）来习得技能，并在真实世界中实现零样本（Zero-Shot）的完美执行。

为何机器人尚未达到ChatGPT的智能水平？

“具身智能的智能与大语言模型的智能，属于两种截然不同的智能形态。”贾奎一针见血地指出了两者之间的根本差异。大语言模型的成功，得益于互联网上浩如烟海的文本数据，遵循着著名的Scaling Law。然而，当这一模式试图移植到具身智能领域时，却遭遇了物理世界的严峻挑战。

传统机器人学习依赖于真实数据的采集，这一过程存在三大难题：成本高昂，采集真实数据需人工遥控机器人，耗时费力；效率低下，物理世界无法加速，且存在安全隐患；数据孤岛，仅有极少数巨头企业有能力组建庞大的数据采集团队。

贾奎以无人驾驶为例，阐释了数据稀缺的深层缘由：“为何无人驾驶领域却能积累大量真实数据？因为我们每天都在驾车进行各种活动。而在具身智能领域，除了工厂、物流仓库中的机械臂外，我们的日常生活中鲜有机器人的身影。”

因此，面对这一困境，跨维智能选择了生成式仿真的技术路径。贾奎强调：“成熟的基础物理仿真技术已能达到毫米级精度，工厂环境甚至要求亚毫米级。具身智能领域所缺乏的，并非底层的仿真技术，而是如何将物理仿真构建的任务场景、虚拟传感器生成的数据、模型训练以及本体部署等环节，实现高效自动化的连接。”

仿真数据如何在真实世界中实现零样本的完美执行？

EmbodiChain作为一款开源的、面向具身智能的“生成式数据引擎”，再次验证了这一全新路径的可行性：机器人能够完全依靠100%的合成数据来习得技能，并在真实世界中实现零样本的完美执行。

EmbodiChain的核心突破体现在三个“无需”：无需采集真实数据，证明了VLA模型可以完全使用合成数据进行训练；无需繁琐的人工调优，模型在仿真环境中训练完成后，可直接部署到真实机器人上使用；无需专业建模工程师，能够根据文本描述自动生成场景和任务，实现全流程的自动化。

烟台三明网络专注软件开发10年+，具备烟台APP开发、烟台小程序定制、烟台公众号定制、烟台网站建设、烟台商城开发、烟台分销系统开发、烟台康复系统开发，致力烟台互联网+行业的系统定制开发与运营，为企业发展提供助力。