專題：中國國際服務貿易交易會 物理AI與具身智能機器人創新生態交流會

　　服貿會專題活動「物理AI與具身智能機器人創新生態交流會」於2026年9月11日在京舉辦。凌宇科技（北京）有限公司總經理兼首席技術官張佳寧出席並演講。

　　以下為演講實錄：

　　張佳寧：各位領導、各位嘉賓，大家下午好，我是凌宇科技的張佳寧，非常榮幸在本論壇與各位分享我們在具身智能領域的工作。凌宇科技聚焦具身智能的數據生產與基礎設施，核心是從人類行為採集到機器人真實作業，持續產生高質量的物理交互數據。當前主流技術路線以參數驅動為主，而數據是這一領域的核心基石。

　　具身智能領域既充滿機遇，也面臨挑戰，首要的是數據規模問題。大語言模型之所以能夠取得突破，得益於海量文本數據的支撐——人類數千年積累的書籍文獻，以及互聯網每日持續產生的文本內容，共同構成了模型的訓練素材。然而具身智能領域至今仍缺乏人在真實物理環境中作業的行為數據。無論是居家烹飪、家務勞動，還是工廠產線的裝配操作，過往均沒有記錄需求，相應的採集工作也未曾系統開展，這直接導致具身模型訓練面臨嚴重的數據短缺。

　　現階段，各家模型的訓練數據規模普遍處於數萬至數十萬小時區間，能夠達到數十萬小時的企業已屬少數。行業的共識目標是積累100萬小時高質量數據，個別企業雖已提出1000萬小時的遠景目標，但距離真正落地仍有一定的距離。

　　具身智能數據獲取之所以困難，核心在於它無法像互聯網文本可以在日常活動中自然產生。行業還未找到在完成其他任務的同時附帶產出具身智能數據的路徑，必須依賴於專門的採集流程。

　　目前，行業內常以 「數據金字塔」 來描述具身數據的分層結構——最底層、體量最大的是已有的2D視頻，但這類視頻並不是為了機器人訓練，且大量內容與人類操作動作無關，視角也不固定，用於具身模型訓練屬於低質量數據；往上一層是結構化人類行為數據，行業通常採用UMI、Ego等方式搭載各類外設完成邊工作邊採集。其優勢在於操作者可在完成作業的同時同步採集數據，但痛點在於標註的精度，以及數據模態的豐富度有限；再上一層是仿真數據，仿真數據的優勢在於可在虛擬環境中模擬多樣化場景採集數據，但最大的挑戰是如何縮小仿真與真實世界之間的差距，仍需大量研究投入；金字塔最頂層是真機數據，真機數據質量最高，但致命短板是生產效率非常低。以上為當前具身智能數據領域的整體現狀。

　　如何獲取真實場景下的高質量數據，是行業下一階段的關鍵命題。凌宇科技的工作正是針對上述每一類痛點展開。概括而言，我們依託統一的一套技術底座，規劃兩條數據軌道，解決具身智能的數據獲取難題。

　　第一條軌道：Ego系列——輕量級·面向真實世界的人類行為採集

　　具身智能領域最受關注的是手部行為，如何賦予機器人靈巧的操作能力。針對手部，我們精準標註手部21個關鍵點的6DoF位姿信息；同時針對記錄抓、拿、取、放等動作過程中的力觸覺數據。圍繞這一方向，我們研發了智能手套、智能頭環等硬件產品。除手部之外，具身智能的下一階段是全身智能（Whole-Body Intelligence），完整記錄人體全身動作數據，這也是Ego產品線覆蓋的方向。

　　第二條軌道：Sonic2——打通真機與仿真的虛實交互基座

　　在真機採集方面，我們打造了遠程遙操作方案：操作員可在遠端操控實體機器人，機器人在真實環境作業的同時，同步完成數據採集。該方案依託自研的StarTraq®等定位技術，可以實現全身毫米級定位，並擁有全球280餘項技術專利作為支撐。

　　以下具體介紹Ego路線下的產品矩陣。

　　第一款是NOLO EgoCapture 智能頭環，搭載5顆攝像頭 —— 4顆魚眼RGB攝像頭與1顆前置ToF攝像頭。佩戴頭環後，攝像頭可以實時採集環境信息並同步記錄數據，再通過算法完成自動化標註。針對雙手及全身數據標註，我們研發了四套解決方案：

　　裸手追蹤方案：將裸手21個關鍵點的6DoF位姿標註精度提升至毫米級。

　　OmniGlove智能手套：集成StarTraq®定位方案，實現全手毫米級定位精度；手套的手掌及手指內側全部佈設壓阻式觸覺傳感器陣列，可以完整記錄手部動作過程中受力分佈。

　　OmniBand外部追蹤：依託自研StarTraq®定位方案，搭載IR陣列，通過智能頭環攝像頭捕捉陣列信號。同時，腕帶可兼容第三方智能手套、外骨骼及各類手部追蹤裝置。

　　OmniMotion全身動捕方案：全身佈設11個追蹤節點，搭載智能頭環，可記錄人體完整全身位姿數據。

　　整套方案具備兩大核心優勢：一是追蹤精度，全鏈路實現毫米級；二是多模態數據的時間同步精度，可達微秒級。如此高精度的實現，源於我們過去十年在空間計算領域的技術與產品積累。

　　再介紹第二條軌道，基於NOLO Sonic2系列，重點闡述遠程遙操作方案。傳統遙操作採集中，操作員與機器人處於同一物理空間，操作員佩戴XR設備，其動作被記錄並驅動機器人執行任務。而我們實現的遠程遙操作：例如操作員在北京，機器人部署在其他城市，操作員即可在遠端控制機器人完成作業。以商業場景為例：機器人部署於線下便利店，獨立完成收銀、理貨等工作，由遠端人員進行操控；機器人在真實商業環境作業的同時還可以同步採集真實場景的數據。相較於訓練場採集的數據，真實環境產出的數據質量有很大的提升。

　　我們的方案在不同網絡條件下均可實現約百毫秒級延遲，完全能夠支撐操作員遠程操控機器人完成作業。同時，我們對機器人回傳畫面進行了雙目反畸變處理，使得遠端操作員獲得身臨其境的視覺體驗，便於精準完成操作動作。

　　除真機遙操作外，我們也佈局了仿真遙操作方案，已接入NVIDIA Isaac Sim高保真物理仿真平台，支持多人全身、多機器人全身追蹤，實現多人協同仿真。

　　除各類終端硬件外，我們還配套開發了完整的數據平台，提供全流程數據處理管線，覆蓋數據上傳、存儲、自動化標註、手工質檢等全部環節。

　　此外，我們也在佈局面向未來的方向：將機器人遙操作從地面推向太空。目前我們已落地天地協同遠程專家系統，這套系統已在我國空間站在軌運行，主要用於地面科學家指導空間站內航天員開展物理、化學實驗。現階段我們正在探索：未來由地面科學家遠程遙操作空間站內的機器人，獨立完成全部物理、化學實驗。一旦實現，將極大提升空間站的工作效率。當然，這對端到端延遲優化等技術提出了更高要求，但這件事具備極高的戰略價值，歡迎在座有興趣的企業共同合作推進。

　　我的分享到此結束，謝謝各位。