WAIC 2026观察：通用具身智能落地瓶颈在数据，跨维智能想做“物理AI基建狂魔”
2026/07/20 22:48阅读量 2
WAIC 2026上，跨维智能展示其构建具身智能数据基础设施的完整方案：自研仿真引擎DexVerse支持刚体、柔体、布料、流体四材质同时耦合，可批量生产高质量数据；百万级时空对齐数据集Aligned DexWorld实现人类数据与机器人数据的深度物理级对齐；旗舰世界模型DexWorldModel在商超扫码分拣、手机装盒等场景验证了“智能涌现、随机发挥与错误恢复”的能力。文章指出，决定通用具身智能能否加速落地的关键，是低成本、可复用的数据生产与对齐底座。
在 WAIC 2026 上，跨维智能展示了一套完整的具身智能数据基础设施方案，旨在解决行业“数据稀缺”与“异构数据对齐难”两个核心问题。
核心组件一：多物理场仿真引擎 DexVerse
- DexVerse 支持刚体、柔体、布料、流体四种材质的实时耦合（英伟达 Isaac Sim 仅支持两种）。
- 能够高保真模拟软体动态切割、刚体与布料的无穿透自然堆叠，精度显著领先于 Isaac Sim。
- 借助 DexVerse 的生成式仿真，可批量化生产高质量训练数据，将机器人训练从手工作坊变为自动化产线。
核心组件二：百万级时空对齐数据集 Aligned DexWorld
- 包含超过 200 万条异构数据样本，涵盖不同本体（人形机器人、机械臂）、仿真数据、第一人称人手演示数据。
- 实现三个维度的深度物理级对齐：
- 空间对齐：统一多相机、多设备的坐标系；
- 动作对齐：抽象为通用物理表征，跨设备可迁移；
- 时间对齐：规整硬件频率与人工操作的时序差异。
- 采用标准化闭环流程（人工校准+几何求解+模型辅助+人工核验），全自动标注大幅降低人力成本。
核心组件三：世界模型 DexWorldModel
- 基于“基模预训练 + 场景 Finetuning + 世界模型”框架，在 WAIC 现场演示了商超扫码分拣与手机装盒两个场景。
- 机器人能自主涌现侧向掏取、扶正后抓取等策略，抓取滑脱或扫码失败时能实时感知错误并自动调整。
- 世界模型在动作发生前进行物理预演，评估成功率，实现跨视角 3D 场景补全与状态预测。
落地现状：跨维的技术已在智能制造、文旅服务等领域落地 50+ 真实场景，部署超 1500 个具身模型。
文章认为，相比单一“死磕”本体或垂直场景的公司，跨维走的是“数据生产-模型训练-场景落地”全流程闭环路线，其底层基建能力是推动通用具身智能规模化的关键变量。