专注于以Sim2Real工夫为中枢的3D视觉居品和智能机器东说念主研发企业跨维智能今天晓示持重开源基于生成式仿真天下模子的具身智能器具链EmbodiChain。

据先容，EmbodiChain八成自动检修VLA模子并到手真机部署的基于生成式仿真天下模子的具身智能器具链。它无需依赖实在数据，通过100%合成数据检修VLA模子，就能径直部署于实在机器东说念主，终了零样本虚实迁徙。

跨维智能暗意，其斟酌是将EmbodiChain打造为具身智能领域的“水电煤”，让参谋者解脱数据汇注的膂力服务与存储压力，股东具身智能参谋和期骗的加快落地。

基于端到端自动化历程，EmbodiChain会通生成式场景构建与智能体妙技探索，打造“仿真-检修-部署”的高效闭环；始创任务场景与检修数据的自动化生成工夫，让高质料检修历程的构建从数月贬低至数天；并构建了遮蔽自动场景生成、妙技发现到真机考据的全链路评估体系，为具身智能模子的实用化提供了完好开源基准。

在大言语模子领域，海量互联网文本数据催生了智能的浮现。但这一到手范式在机器东说念主领域却难以复制。中枢矛盾在于数据的本色互异：LLM依赖的是存量数据的清洗，而具身智能需要的是适当物理章程的增量数据。物理时代的荏苒与东说念主力资本的领域，历久限度着数据鸿沟的拦截。

而EmbodiChain的核容貌念是“以生成替代汇注”。它通过生成式仿真工夫，构建了一条永不休歇的“在线数据流”，澈底舍弃了传统“生成-存储-读取”的低效形式。其工夫框架包含三大立异模块：

天下生成：通过Real2Sim与Gen2Sim模块，引擎八成基于极少实在样本或言语教唆，自动生成物理一致的3D场景与任务环境，终了数据分娩的都备自动化。

数据扩增与自我开荒：系统不仅立时化物理参数、增强视觉各种性，还能在机器东说念主任务失败时自动生成修正轨迹，造成“作假-学习”的闭环机制，显赫进步模子鲁棒性。

特权信息运转：EmbodiChain提供实在天下中不成见的“天主视角”信息（如物体掩码、空间关连），迫使模子融会物理本色而非名义像素，这与Yann LeCun想法的天下模子理念高度契合。

不同于Sora等 “视频生成式天下模子”，EmbodiChain坚握3D交互式、物理精准的生成式仿真门道，通过提供特权信息（物体精准掩码、空间关连、可供性标签），迫使模子融会场景几何与物理本色，而非仅拟合名义像素，确保检修出的战术在实在天下中踏实可靠。

为考据生成式数据的有用性，跨维智能进行了极点测试：仅使用100%仿真数据检修Sim2Real-VLA模子，都备舍弃实在数据。测试执行：该模子在实在环境中的操作到手率显赫跳跃于ACT、Diffusion Policy等依赖实在数据的方法，且在更换桌布、转移物体等侵扰下发扬出极强的鲁棒性。这一恶果说明，生成式仿真数据不仅可行，甚而可能因幸免过拟合噪声而优于传统方法。

跨维智能后续还将迟缓释出由EmbodiChain自动检修的VLA基座模子及多个具体任务的Examples，为社区提供一套设施化的基础门径。