Guangwheel Intelligence的Yang Haibo：Data的同情是整合智能的唯一方法

中国国际服务贸易博览会 - 体现无限的：智能机器人创新和开发论坛于2025年9月11日在北京举行。主题是“刺绣情报 +大型模型：机器人的进化革命”。广伦智能联合创始人兼总裁杨·海博（Yang Haibo）参加并发表了演讲。 以下是语音成绩单： 大家好，我是来自广泛的Yang Haibo智能。我们是一家致力于仿真综合数据技术的公司。与致力于大型模型的公司不同，我们的主要目标是帮助AI更好地理解并进入物理世界。目前，它主要集中在两种基本情况下：赌博的情报和自主驾驶。 目前，AI进入了一段时间。大型语言，自动驱动和具体的智能通常采用了端到端体系结构，模型性能取决于数据的大小和质量。特别是在Embo领域死亡的情报，数据需求比其他曲目更多 - 我们认为其规模将达到数千或十次自动驾驶或大型语言模型的时间。 为什么体现的情报对数据需求如此之多？首先，应用程序方案大不相同。自主驾驶取代了驱动因素，而宝石情报则针对数千个行业，从工业运营到家庭服务，并且需要非常高的整体功能。其次，体现的智力强调与物理世界的真正接触，这不仅是视觉的理解，而且还涉及物理特性，例如力量反馈，对象变形和复杂的关节运动。第三，机器人的身体是异质的，并且各种调整（例如，双皮特，轮胎和机器人臂）导致了自然数据分散和标准化困难。最重要的是当前没有大尺寸的机器人应用程序，并且预训练数据极为差异邪教，严重阻止了体现模型的发展。 面对这种情况，合成数据是促进体现智能和规模发展的主要基础设施。在体现智能的金字塔数据中，它的基础由大量的空地网络数据组成，顶部由昂贵和最受欢迎的真实数据组成，对应于优秀和直接的传输代理商的知识。添加综合数据填补了两者之间的空白，并且对收集成本，概括和知识转移有明显的好处。当然，合成数据仍然需要克服“ SIM2REAL GAP”之间的差异 - 即模拟与现实之间的差异。但是我们认为，sim2real并不是一个或另一个问题的问题，而是可以通过技术来缩小差距。 高质量的体现合成数据必须满足四个基本条件： 首先，身体接触应该是正确的。具体的智力要求该模型可以“感觉到”物理评论，例如打开冰箱门时的阻尼力，强迫下面的包机按钮时的触发反馈，甚至可以实时仿真柔软的身体（例如电缆和衣服）。这些需要在模拟中恢复高精度。 第二个是环中的数据产生。人工智能进化总是依靠人类的认可。无论是在大语言模型中使用专家注释，还是在端到端自动驾驶培训中使用五星级驱动程序数据，它表明该人专家的高质量演示是必不可少的。通过模拟环境中的遥远手术，我们收集了专业人员在物流，烹饪，分类和其他情况下的运营，该模型可以提供更高的认知。 第三，场景足够丰富。充足的丰富差异 - 一个场景非常重要，而真实的数据提取正面临在Real2Real间隔（即，一个测试站点无法涵盖实际环境的差异）。尽管自动驾驶汽车在封闭的试验场或专业轨道上表现良好，但他们会发现很难直接应对开放道路的挑战。根源的原因是，真实场景的财富不足，对于体现的智力，所需情况的差异和复杂性急剧增加。因此，有必要包括合成数据，以产生高效率的巨大不同情况，并产生广泛合理的数据分布，从而增强整体 - 模型的整体技能。 第四，通过数据闭环实现有效性验证。我们不仅生成数据，而且还验证了数据实用程序，这是自我开发的算法。例如，在使用合成数据调整NVIDIA GR00T模型后，将其部署到真实的机器人中以验证其性能Ory环境。 接下来，向您展示一些特定的演示案例： 首先是我们在厨房模拟中的场景。与通常仅关注外观的模拟不同，我们厨房中的许多东西都是柔软的身体或硬柔软的混合物。例如，您看到的电缆具有相同的身体特性和身体变形的灵活效果。通过高保真物理引擎，我们模仿复杂的互动行为，包括材料响应和应力变形。 要展示的另一件事是超市场景。通过Real2SIM技术，我们正在恢复高katumapakan，并自动宽敞的真实超市环境（例如7-11），以产生大量多元化和交互式产品布局。例如，在演示中清除零食的作用似乎很简单，但它涉及与模拟物理碰撞非常复杂的计算。我们不仅需要实现视觉和pHysical现实，但也有必要控制计算强度的消耗，以使其具有出色的培训的价值。 这是我们工作的主要部分 - 复杂任务的数据通过在高度逼真的模拟环境中通过遥远的操作完成。我们已经为这种模拟情况提供了来源，可用于支持不同的EMB培训所需的智能。我们支持各种采集设备，包括鼠标，AR/VR设备以及具有强度反馈的专业控制设备，以适应各种复杂性的任务。 目前，Guanang Intelligent建立了一个完整的解决方案，涵盖了SIM2REAL扩展的数据提取，进近培训和模拟检查。我们还与NVIDIA，Figure和DeepMind等领先的国际公司合作，以支持包括GR00T N1在内的许多模型的研发和实施，并为领先的汽车公司和M服务中国的Ajor制造商。此外，我们还开设了一些高质量的仿真资产和转换工具，以促进行业标准的联合建设。 最终，我们的目标是构成最大，最高质量和最通用的数据集 - 预期超过100万小时，超过95％的仿真数据，所有数据集都通过了领先的客户验证和人工检查质量。解决合成数据的问题是大型应用中体现智能的主要步骤。 合成数据不仅模仿了真相，而且AI提供了更高效率和更大尺寸的物理世界的反馈和理解。这是体现智能朝向大型应用的唯一途径。 谢谢你的一切！ 金融的官方帐户 24小时广播滚动滚动最新的财务和视频信息，并扫描QR码以供更多粉丝遵循（Sinafinance）