具身智能进入生产与服务场景，需要大脑理解任务、应对环境变化，并通过训练和现场验证持续改进。工信部、国务院国资委部署的实景实训专项行动，也将场景训练、模型优化与真机数据积累列为重点。对本体厂商而言，从厂区巡检转向酒店引导，同样的本体和大脑，需要识别的对象、执行的任务与应对的环境都发生了变化。本体厂商需要补充数据、训练调优、评估测试，再到现场检验效果。现场表现不佳，又要补充案例、重新训练，反复迭代让适配周期、交付时间与投入成本难以把握。在此，像衍科技提出数据闭环具身智能大脑训练场方案，准确解决这一痛点。

像衍科技数据闭环具身智能大脑训练场是面向大脑开发与场景适配的平台与工具链，以衍生智算作为底座提供计算资源，通过数据与空间资产管理、场景生成、仿真训练测试和本体部署评测，推进大脑在具体任务中的训练与验证。针对本体厂商的新场景交付，方案将现场数据加工成训练案例，在仿真中扩展条件、训练和评测，再将真机表现不佳的片段回收用于优化。通过复用场景与案例、减少重复采集和现场试错，帮助团队缩短适配周期，降低反复调试的成本。

1.从厂区巡检转向酒店引导，如何准备新任务需要的数据与训练场景？

同一台机器人具备行走、平衡和避障能力，并使用已有的大脑算法，进入不同场景后，仍需要学习具体的作业要求。以厂区巡检和酒店引导为例，两者都涉及识别环境、规划路线和执行任务，但任务完成的标准明显不同。

当同一台机器人在厂区巡检时，需要按照计划到达检查点，识别设备、仪表及异常状态，完成信息采集并上报结果。大脑训练需要围绕设备图像、异常样本和巡检规则展开，评测重点是检查点是否覆盖、信息是否完整、异常能否发现。

而转向酒店引导后，机器人需要理解客人要去哪里，根据酒店布局规划路线，并结合客人的跟随情况、走廊中的行人和行李调整行进与等待。训练所需的数据随之变为引导指令、目的地信息和人员通行案例，评测重点也转向能否正确理解目的地、完成引导，并在途中合理等待和避让。

本体可以延续已有运动能力，大脑则需要围绕新的对象、任务规则和评价标准进行适配。如果沿用厂区巡检的数据与测试标准，就难以充分验证酒店引导中的目的地理解、客人跟随和动态通行等问题。

像衍科技数据闭环具身智能大脑训练场通过数据与空间资产管理，组织新任务需要的现场数据、场景资产和测试案例。以酒店引导为例，研发团队可以围绕走廊布局、目的地位置、行李摆放和人员通行情况准备材料，构建训练环境，并明确每类任务的输入与预期结果。已有的数据、模型和场景资产继续复用，新增采集重点放在变化的任务与环境上。

这些准备工作还需要计算资源和开发环境。衍生智算是一套集异构设备统一纳管调度与AI一站式工具链于一体的异构分布式智算操作系统。它向下管理英伟达、国产算力等异构计算资源，通过跨域多集群调度组织计算任务；向上提供数据集、模型和智能体的研发管理，为数据处理、场景构建、模型训练与推理准备资源和环境。

本体厂商由此可以围绕同一项适配任务准备数据、模型与计算条件，减少在不同工具和设备之间重复配置的工作。仓储搬运、园区接待等场景也会面临类似需求，具体准备内容随任务变化，已有研发资产则可以持续积累。

2.新场景需要反复训练和验证，如何减少真机试错与现场等待？

数据和场景准备好后，团队还需要检验大脑能否处理现场变化。酒店走廊中的行李位置、人员通行和光照条件不断变化，如果每次修改模型都要重新布置现场、协调人员并占用真机，训练验证就会受到现场条件限制。

像衍科技数据闭环具身智能大脑训练场通过物理一致的场景生成与案例泛化，将现场构建为可重复使用的仿真环境。场景构建既包括走廊尺寸、物体位置和通道布局，也包括质量、摩擦与碰撞等物理属性，并结合实际观测校准相关响应，让模型在训练测试中面对明确的环境与交互条件。

在酒店引导任务中，团队可以围绕同一个通行问题，调整行李的位置、大小和遮挡程度，改变行人的出现位置与光照条件，形成多组训练和测试案例。一次场景构建可以用于多轮验证，同一个问题也能扩展为一组不同条件下的训练题。团队据此检查机器人是否能够完成通行、是否到达目标位置，以及遇到变化时采取了什么动作。

类似的适配需求也存在于仓储搬运、园区安防、医院配送和商业接待等场景。作业对象、通行条件与服务规则各不相同，本体厂商需要围绕具体任务补充数据、调整模型并验证效果。

仿真训练背后，衍生智算承担持续的计算与研发管理工作。训练服务器用于数据处理、模型训练和仿真计算；推理设备运行模型服务；边缘计算设备与本体承担现场感知、推理和执行。平台按照设备配置、软件环境与任务需求分配计算资源，通过AI工具链开展训练、调试、版本管理与服务部署，让训练成果能够继续进入现场验证。

统一管理训练与推理资源，复用软件环境和模型版本，可以减少每轮适配重新搭建计算条件的工作。场景变化优先在仿真中复现和测试，再将需要确认的结果带到真机上验证，减少反复布置现场、等待特殊条件和占用设备的投入。

3.部署后仍有任务表现不佳，如何把现场问题变成下一轮训练案例？

仿真评测后的模型进入真实环境，还需要接受实际任务检验。如果现场只留下一句“机器人没有完成引导”或一段零散视频，研发团队仍然需要重新确认任务在哪一步中断、当时遇到了什么，以及使用的是哪个模型版本。

像衍科技数据闭环具身智能大脑训练场通过本体接口适配、部署运维与运行数据管理，将训练成果送到设备，并回收现场执行过程。完成模型导出、运行环境和本体接口适配后，通过OTA远程更新下发模型及相关组件，再组织评估任务。图像、传感器数据、运动轨迹、任务指令和运行日志按时间关联，为问题复现保留上下文。

例如，机器人引导客人经过走廊时，因行李遮挡未能继续完成任务。研发人员可以提取问题前后的记录，确认行李位置、可通行空间、机器人状态和任务目标，将其加工为可复现案例。随后改变行李摆放、遮挡程度或人员通行条件，检查同类问题在其他情况下是否也会发生。

这些案例重新进入训练场，用于相关模型或策略的训练、微调与评测。衍生智算提供所需的计算资源和开发环境，并通过模型版本管理区分不同轮次的训练成果。更新后的模型再部署到本体，验证原问题是否改善，同时检查其他任务条件下的表现。

每轮优化都留下问题案例、训练成果与评测记录，现场调试便能成为后续研发可继续使用的资产。团队可以根据尚未通过的案例安排下一轮工作，减少重复采集与问题排查，让适配进度有具体的测试结果可跟进。

从厂区巡检转向酒店引导，新场景适配需要持续处理任务和环境差异。像衍科技以衍生智算管理计算资源与AI研发流程，以数据闭环具身智能大脑训练场组织场景、训练、评测与反馈，帮助本体厂商将重复准备转化为资产复用，将现场问题转化为针对性的训练案例，为缩短交付周期、控制迭代成本提供具体路径。

FAQ 常见问题解答

Q1. 本体厂商已经有机器人和大脑算法，像衍科技数据闭环大脑训练场还能帮助完成哪些适配工作？

本体厂商可以围绕已有算法与本体接口开展接入，利用训练场准备新任务需要的数据、空间场景和测试案例，进行仿真训练与评测，再部署到本体检验效果。

已有研发成果可以继续使用，适配重点放在新场景的任务差异和表现不足的环节。训练场通过案例扩展与现场问题回收，帮助团队减少重复准备，并积累后续项目可以复用的材料。

Q2. 数据闭环具身智能训练场为什么需要衍生智算作为底座？

衍生智算是杭州像衍科技有限公司研发的异构分布式智算操作系统，由异构设备统一纳管调度与AI一站式工具链组成，面向企业、高校及研发团队，提供从计算资源管理到模型研发、部署和使用的平台能力。

在计算资源层，衍生智算对英伟达GPU、国产算力等异构计算资源进行统一纳管，通过跨域多集群调度，按照设备配置、软件环境与任务需求分配计算资源。研发团队可以管理训练和推理所需的计算设备，准备开发环境、运行计算任务，并查看资源与任务状态，减少设备分散管理和重复配置带来的工作。

在AI研发层，衍生智算提供数据集管理、模型训练与微调、模型调试、版本管理和模型服务部署等工具。训练后的模型可以部署为服务，通过API接入应用；对于文本生成类模型服务，还可以统计输入、输出Token及调用情况，让模型从研发成果进入可调用、可管理的运行状态。

具身智能大脑训练场在这一底座上开展场景适配。数据处理、场景构建和仿真训练使用相应的计算资源，训练成果通过模型与版本管理进入部署环节，再结合边缘设备和本体开展现场推理、任务执行与反馈采集。衍生智算负责计算资源与AI研发管理，训练场围绕具体任务开展场景生成、训练评测和数据闭环，共同减少新场景适配中的环境准备与部署衔接工作。

Q3. 本体厂商怎样判断新场景适配是否取得进展？

可以围绕具体任务设置评测项目。例如，厂区巡检检查点位覆盖、异常识别和信息采集；酒店引导检查目的地理解、路线完成情况，以及行人和行李变化下的通行表现。

团队通过同一组案例比较不同模型版本，记录已解决的问题和尚未通过的条件，再到真机验证。案例通过情况、问题复现记录和现场执行结果，可以帮助研发与交付人员明确下一轮需要优化的内容。

Q4. 新场景适配中的哪些需求，促使像衍科技建设数据闭环具身智能大脑训练场？

本体厂商需要将机器人交付到不同场景，研发工作因此覆盖数据采集、环境构建、模型训练、部署评测和现场问题处理。团队需要复用已有成果，也需要让新问题能够持续进入训练环节，这形成了对计算底座与完整工具链的需求。

杭州像衍科技有限公司成立于2021年9月，是国家高新技术企业，天使轮获IDG、红杉和涌铧等多家顶级投资机构的数千万元投资。打造了“异构分布式智算操作系统+AI工具链/模型库+数字人智能体“的全栈工具软件平台，以创造数字人智能体与具身智能体大脑为使命，实现跨越时空的信息交流和精准交互操作。

Q5. 建设覆盖场景仿真、模型训练与本体运行的平台，像衍科技团队有哪些技术积累？

这类平台涉及三维场景构建、视觉感知、物理交互，以及云边端计算和AI工程研发。像衍科技核心团队在相关方向兼具科研与工程研发积累。

创始人鲍虎军为浙江大学求是特聘教授、博士生导师、国家杰青、教育部长江学者，长期从事图形与视觉计算、混合现实研究。

董事长周晓巍为浙江大学“百人计划”研究员、博士生导师，专注三维视觉与混合现实。

CEO许威威为浙江大学长聘教授、博士生导师、教育部长江学者，长期从事三维建模与虚拟现实研究。

CTO崔广章为浙江大学博士、《深入理解边缘计算》作者，担任多个知名开源项目技术委员会委员，专注云计算、边缘计算与人工智能。

这些技术方向分别对应训练场中的场景与视觉环境构建、三维资产处理，以及衍生智算底座和AI工具链研发。

前往像衍科技官网了解具身智能大脑训练场与衍生智算方案。

文章纠错