打造百万小时具身数据闭环：黎曼动力携手光轮智能与诺亦腾机器人

在人工智能迈向具身智能的征途中，数据的质量与规模无疑是实现突破的关键。近日，黎曼动力宣布与光轮智能及诺亦腾机器人达成战略合作，计划到2026年底完成100万小时的具身智能数据建设。这一合作不仅为下一代通用AI模型的训练奠定了坚实基础，更展现了AI与机器人领域在多模态数据采集和模型训练上的深度融合。

具身智能的核心：多模态数据与系统化建设

具身智能是人工智能的一种能力，旨在让机器不仅能“看见”，还可以理解和操作物理世界。相比传统的以视觉为主的信息获取方式，具身智能更强调多模态数据的应用，包括视觉、触觉、力觉以及动态交互数据。

这次合作的核心目标是构建一个系统化闭环，从高质量数据的生产到模型的训练与迭代，再到真实场景的验证与反馈，全面推动具身智能技术的成熟化。黎曼动力的 Riemann 系列具身大脑模型将通过真实任务表现，反推数据缺口，持续完善多模态数据平台与评测体系。这种“需求驱动型”数据采集模式，有望解决以往模型训练中数据冗余或无效的问题。

光轮智能将在此次合作中贡献其强大的数据生产能力，利用 EgoSuite 人类数据平台和 RoboFinals 评测平台生成高质量、规模化的多模态行为数据。与此同时，诺亦腾机器人将通过其在动作捕捉和触觉反馈采集方面的技术积累，为复杂操作和精细力控任务提供关键支持。两家公司与黎曼动力的协作，将共同推动具身智能从理论走向实践。

Riemann-1.0 与 Matrix-Game 3.5：具身智能的双引擎

在合作项目中，黎曼动力的 Riemann-1.0 和 Matrix-Game 3.5 是两大核心模型。前者是面向物理世界操作的具身世界动作模型，后者则是专注于交互式世界建模的系统。

Riemann-1.0 已在多个国际机器人基准测试中表现出色，其学习能力基于大规模人类视频数据，能够理解动作与环境状态的关系。例如，在知名的 RoboCasa-365 家务基准测试中，该模型以62.6%的平均成功率位居第一，领先行业水平8.4个百分点。通过与光轮智能的深度协作，Riemann-1.0 将在未来的每一轮迭代中更精准地面向能力短板，进行针对性的数据采集与训练。

另一方面，Matrix-Game 3.5 主要面向长程任务和复杂交互场景。它以长期记忆和开放世界模拟能力为特色，为机器人在动态环境下的持续学习提供了技术支持。通过与生态伙伴的合作，这一模型将进一步完善从数据评测到真实场景落地的闭环，为未来的具身智能系统提供坚实的数据与模型基础。

多模态数据：复杂操作能力的关键

在实现具身智能的过程中，仅靠视觉信息远远不够。机器人在物理世界中的活动需要对力觉、触觉、动作轨迹以及动态交互状态有深入理解。这一需求意味着，数据的多样性与高精度成为不可或缺的要素。

此次合作中，诺亦腾机器人重点解决了多模态数据在时间与空间上的同步问题，为复杂任务的模型训练提供了必要保障。例如，在高精度动作捕捉和接触力反馈采集中，诺亦腾的技术能够全面覆盖人体动作轨迹、关节运动状态以及环境变化数据，从而显著提升机器人的复杂操作与精细控制能力。

与此同时，通过真实机器人任务的验证与反馈，黎曼动力将动态优化数据采集流程和质量评估体系，建立数据与模型的双向促进机制。这种“模型-数据-反馈”闭环，将推动具身智能模型从感知到操作的全方位进化。

影响与展望

冲击通用具身智能的未来

这次战略合作的重大意义在于，它不仅是三家企业的联合创新，更是对具身智能这一前沿领域的集体探索。通过百万小时具身数据的建设，机器人将具备更强的理解、学习和操作能力，为通用具身智能迈出关键一步。

重新定义机器人行业

在智能机器人领域，数据质量和模型能力一直是发展的关键瓶颈。通过构建数据-模型-反馈闭环，黎曼动力及其合作伙伴有望为机器人行业树立新的标杆。这种模式不仅将推动技术进步，也可能重新定义行业的研发与应用范式。

从实验室走向真实场景

通过与光轮智能和诺亦腾机器人的合作，黎曼动力将进一步加速模型在真实场景中的验证与部署。无论是家庭服务机器人还是工业自动化应用，具身智能的全面落地将改变人类与机器交互的方式，推动社会生产力的跨越式发展。

正如黎曼动力联合创始人李阳光所言：“要让机器人真正进入复杂、开放的真实环境，需要持续获得高质量、多样化并且能够验证的数据。”此次合作不仅是技术上的协同，更是面向未来的战略布局。

标签： 具身智能 人工智能 机器人技术 数据闭环