研究中心举办的新华未来机遇对话·闯关——从“演示级智能”到“规模化应用”具身智能高质量发展研讨会在京举行。北京元客视界科技有限公司（以下简称“元客视界”）产品研发副总裁陈溥表示，随着世界模型概念升温，训练所需的高质量真实数据受到关注。数据从2D升维到4D、精度从厘米级提升到亚毫米级，是构建面向

　　当前，具身智能行业普遍存在模型泛化弱、实景落地效果不佳、场景适配性不足等问题，训练场景单一、动态数据不足、底层底座不统一是制约规模化落地的核心瓶颈。

　　元客视界是凌云光技术股份有限公司的全资子公司，专注空间智能技术研发，全栈自研动作捕捉与光场重建，构建高质量4D动态数据能力，面向具身智能提供数据底座支撑。

　　在陈溥看来，人工搭建的理想场景与线D视频无法完整表示三维空间和时间变化，采集数据维度和模态较为单一等问题，导致只能做重复模仿工作，难以理解世界、预测未来并做出规划。

　　针对上述问题，陈溥介绍，元客视界基于空间智能和三维重建等技术，打造了新的数据采集与训练范式，从三方面进行系统升级：一是维度升级，将2D数据升级为4D时空一致性数据，采集机器人与环境和物体交互过程中连续变化的全量数据；二是模态丰富，增加力觉和触觉交互数据，补齐物理接触层面的信息；三是精度提升，通过高精度动作捕捉技术将采集精度从厘米级提升至亚毫米级。

　　对于无本体数据采集方式，陈溥认为，UMI方案适用于搬运、分拣等粗操作场景，但不适用于狭窄空间内的精细操作；数据采集手套因存在厚度，精密操作时存在贴合问题，采集到的力学数据存在偏差；肌电手环接近裸手状态，但肌电信号属于间接数据、存在个体差异，需构建数据库并经大模型学习后才能使用，目前仍处于早期试点阶段。

　　陈溥指出，目前数据面临的瓶颈中，视频数据是基础，但维度单一；人类动作数据是核心，但精度不足；而触觉数据则是行业盲区。“我们之前大部分都是用视觉，但其实做很多任务的时候，并非完全通过视觉去完成。”他举例说，盲操作抓取等场景更多依赖力控和触觉，而这部分模态的数据很少。元客视界采取自研与行业合作的模式进行采集设备建设，涵盖4D视频、人体动作和力触觉，核心挑战在于力觉传感器的精准度和可工程化。

　　陈溥表示，元客视界将工业制造场景作为重点方向，首先解决工业级柔性制造的精准装配，从刚体或准刚体部件装配逐步攻坚至线束等软体物体交互，最终适配更复杂的非结构化场景。在多模九游会态数据统一方面，公司建立了数据同步体系，以主模态为基准统一时空坐标，对不同的视频数据、力学数据做时间对齐，再通过关键帧和关键词做跨模态检索。

　　“新华未来机遇对话”系列研讨沙龙，旨在搭建高端智库交流平台，架起行业洞察趋势、凝聚共识、链接资源的桥梁。活动与业界人士共同聚焦未来产业发展，对行业热点、焦点、难点展开“头脑风暴”，以思想碰撞催生新思路，以集智聚力破解新难题。（完）