谢晨博士在 WRC 主论坛发表演讲:让机器人像人一样学习——构建物理 AI 持续学习基础设施

轨道笔记
8 月 22 日下午,光轮智能创始人兼 CEO 谢晨博士出席 2026 世界机器人大会 " 人机共生,产需共融 " 主论坛,并发表主题演讲《让机器人像人一样学习——打造物理 AI 的持续学习基础设施》。
大语言模型可以从互联网数据、在线交互和用户反馈中持续迭代,是数字世界的最大持续学习闭环;自动驾驶也已形成由人类驾驶、影子模式和接管数据组成物理世界的最大持续学习闭环。相比之下,机器人仍缺少基于机器人本体、规模化且人在环的持续学习闭环:真机部署量不足且数据成本高、与本体和任务紧密相关,现实环境中的试错受到安全与效率约束,统一、可复现的工程评测和部署反馈机制也有待完善。
机器人需要怎样的持续学习闭环
从人类的学习方式出发,谢晨博士将机器人的持续学习归纳为三个相互连接的核心要素:人类的言传身教,仿真中的试错与评价,以及真实工作中的反馈与纠正。
人类通过言传身教获得经验,机器人也需要从真实的人类行为中学习;人类在成长过程中不断试错、接受纠正,机器人则需要借助仿真环境扩大试错范围、复现失败并进行评价;人类最终要进入工作和实践,在真实环境中持续获得反馈,机器人同样需要通过真机部署发现问题、接受纠正。
围绕这三个环节,光轮智能正在构建由 EgoSuite、SimFoundry、RoboFinals 和 RoboStack 组成的物理 AI 持续学习基础设施:
EgoSuite 人类数据平台:将真实世界中的人类行为和任务经验转化为机器人学习的教材
SimFoundry 全栈自研仿真平台:通过 " 求解—测量—生成 ",构建物理真实、可规模化试错的仿真世界
RoboFinals 工业级规模化评测平台:为机器人设计具有挑战性的考题,开展规模化评测,识别能力边界和失败模式
RoboStack 部署与反馈平台:支持模型后训练、强化学习和真机部署,并将真实工作中的失败、异常和纠正反馈带回下一轮数据与模型迭代
光轮智能正在构建全球最大规模的物理 AI 数据与评测基础设施,形成从真实世界到仿真世界、再回到真实世界的 Real2Sim2Real 持续学习闭环。
从真实世界中来,再到真实世界中去
在这套体系中,SimFoundry 是连接真实世界与仿真世界的底层基础设施。它通过自研仿真求解器、全自动物理世界测量工厂,以及资产、场景和任务生成能力,将真实世界中的物理参数、物体交互和任务逻辑转化为可用于仿真与评测的要素,再生成能够支持大规模试错的仿真环境。
EgoSuite 已成为全球质量最高、规模最大、标准化的具身人类数据集,覆盖家居、工业、商业和服务等真实场景,为机器人提供人类行为示范和可复用的任务经验。
在此基础上,RoboFinals 将真实任务转化为可重复、可扩展的仿真考题,持续挑战机器人并推动其突破能力上限。RoboFinals 已成为全球质量最高、规模最大的仿真评测集,并被全球前五的世界模型团队共同使用。
"失败乃成功之母,机器人持续学习也需要规模化的试错空间。" 谢晨博士指出,真实任务负责提出问题,仿真负责扩大覆盖和复现失败,规模化评测负责暴露问题,真机负责复核结果,反馈再回到下一轮数据、训练和评测。
机器人部署不是学习的终点,而是新的学习起点。RoboStack 负责帮助机器人进入真实场景工作,持续采集失败样本、异常情况和人工纠正数据,再基于这些反馈补充成功样例和纠错样例,重新开展训练、强化学习、仿真评测和真机部署,循环往复地提升机器人在真实工作中的表现。
以开放生态共建机器人文明
谢晨博士指出,人类文明来源于群体智慧,机器人的文明也不应由一家公司创造。机器人持续学习需要开放生态,更需要让不同模型、本体、数据采集设备和产业场景能够相互理解的共通语言,而标准正是开放生态的基础。
光轮智能正在参与定义全球两大具身智能标准:Newton 仿真技术委员会和 EgoVerse 人类数据委员会。光轮智能是唯一同时参与这两项标准定义的中国公司,代表着规模化、高质量具身人类数据与仿真评测相关的实践经验。
在大会期间,光轮智能开源了全球首个十万小时全模态人类数据集 EgoSuite-Open100K。该数据集包含腕部相机、手部位姿、全身位姿和事件级语义等多模态信息,涵盖 15,000+ 类场景,共计 15,000+ 种任务,旨在为机器人学习提供大规模、可复用的人类行为经验。在此基础上,光轮智能还提出面向未来五年的100 亿小时具身数据共建计划。这一计划将连接仿真、机器人本体、产业场景、传感器、算力、云平台和研究机构等生态力量,共同推进具身数据的生产、开放、标准化、评测和迭代。
谢晨博士表示,具身智能本质上是一项艰难的长期事业,需要全行业、全生态共同参与。100 亿小时不只是机器人学习的数据,也将成为人类与机器人共同创造的新文明。
未来,光轮智能将以高质量数据、规模化评测和真实部署反馈为基础,持续构建物理 AI 数据与评测基础设施,携手全球伙伴,共同建设开放的具身智能持续学习生态。


登录后才可以发布评论哦
打开小程序可以发布评论哦