新智元報(bào)道
定慧犀牛
【新智元導(dǎo)讀】群核科技正構(gòu)建具身智能時(shí)代的「3D版ImageNet」。其打造的SpatialVerse平臺(tái)，為機(jī)器人提供高質(zhì)量三維數(shù)據(jù)與仿真環(huán)境，有望突破Sim2Real難題。借助3D高斯濺射與空間大模型，群核發(fā)布全球首個(gè)大規(guī)模3D語義數(shù)據(jù)集InteriorGS，為AI理解和適應(yīng)物理世界奠定基礎(chǔ)。
推動(dòng)歷史的人，往往在當(dāng)時(shí)并不知道他正改變世界。
2009年，蘋果還沒發(fā)布iPhone4，但李飛飛卻已經(jīng)打造了一個(gè)包含320萬張圖片的ImageNet數(shù)據(jù)集給「機(jī)器學(xué)習(xí)」。
2012年，Hinton和他的學(xué)生Ilya、Alex在ImageNet競賽中以AlexNet模型橫掃千軍。
Ilya后來成為OpenAI的創(chuàng)始成員，他們的產(chǎn)品ChatGPT開創(chuàng)了如今的大語言模型時(shí)代！
而Hinton成為了AI之父。
假如沒有ImageNet這個(gè)海量、真實(shí)、復(fù)雜的數(shù)據(jù)集「燃料」，也許深度學(xué)習(xí)這個(gè)引擎，就不會(huì)這么快的點(diǎn)火啟程，也許今天的AI也不會(huì)如此迅猛。
如今，AI正在從二維世界進(jìn)入三維世界，關(guān)鍵就是空間智能。
ImageNet同樣的歷史或許正在具身智能和仿真合成數(shù)據(jù)領(lǐng)域上演。
2018年，一個(gè)空間領(lǐng)域的3D數(shù)據(jù)集——InteriorNet，引起了學(xué)術(shù)界的關(guān)注。這是當(dāng)時(shí)全球最大的室內(nèi)空間認(rèn)知深度學(xué)習(xí)數(shù)據(jù)集。
彼時(shí)的硅谷科技企業(yè)們，正開始探索通過合成數(shù)據(jù)的方式去訓(xùn)練智能體，InteriorNet數(shù)據(jù)集的出現(xiàn)，令他們眼前一亮。
InteriorNet數(shù)據(jù)集（包含約1億3千萬圖像數(shù)據(jù)）
推出數(shù)據(jù)集的這家企業(yè)，便是群核科技。
2024年，群核科技推出群核空間智能平臺(tái)SpatialVerse。同年，李飛飛也宣布自己的WorldLabs成立，只用一張圖就能生成3D世界。
但3D數(shù)據(jù)和類似ImageNet的2D數(shù)據(jù)有著本質(zhì)的不同。
李飛飛當(dāng)年靠著亞馬遜眾包平臺(tái)，依靠人力完成了海量數(shù)據(jù)（1500萬張圖片）的標(biāo)注工作。
而3D數(shù)據(jù)，卻是極度的稀缺。
具身智能的「ImageNet」
雖然還有數(shù)據(jù)稀缺等問題，但空間智能與具身智能成為下一個(gè)AI發(fā)展的主流領(lǐng)域，已成為行業(yè)的共識(shí)。
就在剛剛結(jié)束的WAIC2025大會(huì)上，空間智能與具身智能徹底登上了大會(huì)的「主舞臺(tái)」。
新智元現(xiàn)場觀察到，整個(gè)展館二樓H3都打造成了一只規(guī)模龐大的「機(jī)器人方陣」，超過150臺(tái)形態(tài)各異的機(jī)器人集體亮相。
與以往大都靜態(tài)展示不同的是，這次的機(jī)器人全都動(dòng)了起來——拳擊、架子鼓、制作咖啡甚至是擰螺絲，各種花活全都給整上了。
但正如機(jī)器人跑起來還是踉踉蹌蹌、時(shí)不時(shí)躺平給你看一樣，具身智能的發(fā)展還有很多挑戰(zhàn)。
我們不得不思考，未來當(dāng)機(jī)器人真正進(jìn)入人類生活——無論是客廳、工廠，還是商業(yè)空間——它們?nèi)绾巫R(shí)別筆記本、茶杯、椅子、或是一道門？
又如何學(xué)習(xí)從「看」到「動(dòng)」，從「觀察」到「執(zhí)行」？
當(dāng)具身智能機(jī)器人來到你家的客廳，它如何識(shí)別出筆記本、食物、椅子、或是茶杯？
具身智能的崛起，離不開對(duì)3D世界的深刻理解和豐富交互。
正如圖像識(shí)別需要ImageNet那樣，具身智能也亟需一個(gè)「3D版的ImageNet」。
然而，現(xiàn)在正面臨的是一個(gè)前所未有的難題：空間智能訓(xùn)練所需的數(shù)據(jù)遠(yuǎn)比2D圖像復(fù)雜，數(shù)據(jù)的獲取成本和難度呈指數(shù)級(jí)上升。
群核科技當(dāng)時(shí)推出的InteriorNet深度學(xué)習(xí)數(shù)據(jù)集，包含了1600萬組像素級(jí)標(biāo)簽數(shù)據(jù)和1.5萬組視頻數(shù)據(jù)，共計(jì)約1億3千萬圖像數(shù)據(jù)。
但AI走進(jìn)物理世界，還需要更多3D數(shù)據(jù)。
當(dāng)前主流的三種數(shù)據(jù)來源與困境
當(dāng)前空間智能/具身智能行業(yè)存在的挑戰(zhàn)有很多，但是主要挑戰(zhàn)是數(shù)據(jù)困境，而仿真數(shù)據(jù)生成困境最為突出。
當(dāng)前，具身智能獲取訓(xùn)練數(shù)據(jù)的主要途徑可歸為三大類：真實(shí)數(shù)據(jù)（Real-WorldData）、互聯(lián)網(wǎng)數(shù)據(jù)（Internet/PassiveData）與仿真合成數(shù)據(jù)（Simulated/SyntheticData）。
真實(shí)數(shù)據(jù)
真實(shí)數(shù)據(jù)，可以理解為機(jī)器人在物理環(huán)境中實(shí)際執(zhí)行任務(wù)時(shí)，使用傳感器、攝像頭、力覺器件等采集的一手?jǐn)?shù)據(jù)。
PhysicalIntelligence（加州創(chuàng)業(yè)公司）通過大量真實(shí)機(jī)器人運(yùn)動(dòng)與傳感器數(shù)據(jù)訓(xùn)練具身智能模型。
這些數(shù)據(jù)雖然完全符合物理規(guī)律，但是缺點(diǎn)明顯：
成本高昂：每一條數(shù)據(jù)采集往往需專人操作+場地布置+高精設(shè)備，1小時(shí)采集動(dòng)輒數(shù)千元；
采集效率低：不能并行采集，任務(wù)復(fù)雜度高導(dǎo)致低通量；
復(fù)現(xiàn)性差：不可控因素多，難以完全復(fù)刻采集場景用于訓(xùn)練或驗(yàn)證。
互聯(lián)網(wǎng)數(shù)據(jù)
互聯(lián)網(wǎng)數(shù)據(jù)，可以理解為「機(jī)器人看，然后機(jī)器人跟著做」，指的是具身智能系統(tǒng)在觀看教程后進(jìn)行學(xué)習(xí)。
康奈爾大學(xué)開發(fā)的RHyME框架，機(jī)器人僅通過觀看網(wǎng)絡(luò)上的教學(xué)視頻就能學(xué)習(xí)執(zhí)行任務(wù)，缺乏物理反饋通道。
這種方法缺點(diǎn)更加明顯：
缺乏交互性：被動(dòng)觀察而非主動(dòng)探索，難以建模因果關(guān)系；
缺失物理信息：無力覺、無反饋、無環(huán)境狀態(tài)變化；
標(biāo)注困難：從無序視頻中提取可用信息成本高，易引入偏差；
難以遷移：從人類視頻中學(xué)習(xí)得來的策略不一定適用于機(jī)器人身體和運(yùn)動(dòng)限制。
仿真合成數(shù)據(jù)
仿真合成數(shù)據(jù)可以理解為通過3D引擎、圖形渲染技術(shù)或物理模擬器合成的數(shù)據(jù)，包括圖像、深度、碰撞反饋、動(dòng)作序列等，通常在虛擬環(huán)境中自動(dòng)生成
相比上面兩種方式，仿真合成數(shù)據(jù)是目前的主流。
英偉達(dá)發(fā)布的OpenPhysicalAIDataset，就提供了超過320,000條仿真軌跡、1000個(gè)SimReady場景資產(chǎn)等，為物理AI提供大規(guī)模合成交互數(shù)據(jù)基礎(chǔ)。
真實(shí)數(shù)據(jù)在泛化性、操作成本、數(shù)據(jù)安全上都存在局限，而普通仿真合成數(shù)據(jù)存在非常大的Sim2Real的gap：
「RealityGap」（現(xiàn)實(shí)鴻溝）問題：仿真環(huán)境再逼真也存在與現(xiàn)實(shí)世界的偏差；
物理真實(shí)性受限：模擬的摩擦、碰撞、柔性物體行為難以完美還原現(xiàn)實(shí)；
對(duì)仿真平臺(tái)依賴大：需要強(qiáng)大的渲染算力、引擎支持與場景建模能力。
傳統(tǒng)仿真環(huán)境往往真實(shí)感不夠，難以逼真再現(xiàn)現(xiàn)實(shí)世界的物理和視覺細(xì)節(jié)。
早期不少模擬器中的場景是手工建?；蛴螒蛞嫔傻?，視覺上偏于卡通或簡化，物理互動(dòng)也不完善。
這種虛擬—現(xiàn)實(shí)差距（RealityGap）導(dǎo)致智能體在模擬中學(xué)到的技能難以直接遷移到現(xiàn)實(shí)，Sim2Real效果不理想。
2024年，李飛飛同樣意識(shí)到未來的具身智能需要大量的高質(zhì)量的3D數(shù)據(jù)，于是其新團(tuán)隊(duì)WorldLabs發(fā)布了首個(gè)空間智能AI模型，可以從單個(gè)圖像一鍵生成3D世界。
而僅3個(gè)月就估值10億的WorldLabs令業(yè)內(nèi)恍然大悟：AI教母瞄準(zhǔn)的，就是能進(jìn)行推理的空間智能！
群核科技走的路線跟李飛飛接近。不過群核的優(yōu)勢在于十多年在產(chǎn)業(yè)場景中沉淀了大量室內(nèi)空間的3D數(shù)據(jù)。
為機(jī)器人裝上「空間大腦」
相比群核科技，或者大家更早聽說的是酷家樂?？峒覙肥侨汉丝萍嫉暮诵漠a(chǎn)品之一，已經(jīng)沉淀一套空間編輯工具，且廣泛應(yīng)用在家居、建筑、商超、醫(yī)院、電商，以及工業(yè)場景。
就像快手和可靈之間形成的飛輪效應(yīng)，在過去產(chǎn)業(yè)落地過程中，酷家樂為群核沉淀了大量的物理正確的三維數(shù)據(jù)。
基于這片獨(dú)一無二的數(shù)據(jù)沃土，群核得以訓(xùn)練出強(qiáng)大的空間大模型SpatialLM，深刻理解物理空間的規(guī)則與邏輯。
SpatialLM于2025年3月開源時(shí)，一度登上HuggingFace全球趨勢榜前三。
面對(duì)高質(zhì)量3D數(shù)據(jù)稀缺這一時(shí)代難題，群核科技一直在探索3D合成數(shù)據(jù)的方案。
比如群核科技在2024年推出的空間智能平臺(tái)SpatialVerse，智能體通過高質(zhì)量數(shù)據(jù)的充分訓(xùn)練，能夠真正獲得泛化能力，應(yīng)對(duì)現(xiàn)實(shí)中的千萬種復(fù)雜場景。
SpatialVerse平臺(tái)猶如一個(gè)「數(shù)字道場」，它不僅能為場景中的物體賦予真實(shí)的物理屬性，比如質(zhì)量、摩擦力等。
它還能模擬門窗、抽屜的開合等動(dòng)態(tài)交互。
更重要的是，基于SpatialVerse的合成數(shù)據(jù)引擎，可以將SpatialLM模型生成的結(jié)構(gòu)化3D場景，泛化生成億萬級(jí)具有多樣性的新場景。
利用這些虛擬場景訓(xùn)練出來的智能體（如具身機(jī)器人），能更好地適應(yīng)和應(yīng)用于真實(shí)世界，縮小仿真與現(xiàn)實(shí)之間的差距（Sim2RealGap）。
這一路徑既拓展了虛擬場景的數(shù)據(jù)來源，又提升了AI模型在現(xiàn)實(shí)場景中的實(shí)用性，強(qiáng)化了「數(shù)字道場」與物理世界的聯(lián)動(dòng)。其價(jià)值已在學(xué)術(shù)界和產(chǎn)業(yè)界獲得了一系列廣泛驗(yàn)證。
學(xué)術(shù)界：谷歌與斯坦福大學(xué)的聯(lián)合研究論文FirePlace中，也明確致謝SpatialVerse平臺(tái)提供的高質(zhì)量3D場景數(shù)據(jù)。此外，群核科技還與英特爾實(shí)驗(yàn)室聯(lián)合打造高真實(shí)感的智能機(jī)器人仿真平臺(tái)（如SPEAR），在與上海人工智能實(shí)驗(yàn)室的合作中，為「桃源」提供高質(zhì)量3D數(shù)據(jù)。
產(chǎn)業(yè)界：「稚暉君」彭志輝參與創(chuàng)辦的明星企業(yè)智元機(jī)器人，已采用SpatialVerse提供的仿真數(shù)據(jù)進(jìn)行機(jī)器人訓(xùn)練。此外，還有銀河通用、穹徹智能、智平方、松應(yīng)科技在內(nèi)的一批具身智能企業(yè)與群核科技達(dá)成合作。
智元機(jī)器人在群核科技提供的仿真數(shù)據(jù)中訓(xùn)練
仿真數(shù)據(jù)生成新范式
3D高斯+空間大模型
今年的WAIC大會(huì)上，他們提出了一個(gè)新的嘗試，將前沿的3D高斯濺射技術(shù)與自研空間大模型深度融合。
這一套全新的仿真數(shù)據(jù)生成范式，通過3D高斯重建+空間大模型+物理仿真這三大技術(shù)的協(xié)同作用，打通「現(xiàn)實(shí)-虛擬-現(xiàn)實(shí)」的閉環(huán)路徑。
群核科技仿真數(shù)據(jù)生成新范式
首先，3D高斯濺射（3DGaussianSplatting）作為現(xiàn)實(shí)世界的「數(shù)據(jù)復(fù)刻師」，扮演了至關(guān)重要的一步。
僅需一段視頻或一組圖片，它便能以極高的保真度和效率，將物理世界復(fù)刻到數(shù)字世界。
相比于傳統(tǒng)3D建模的漫長周期與高昂的成本，3D高斯技術(shù)更快、更輕量、更真實(shí)，甚至普通人也能輕松操作。
可以說，3D高斯技術(shù)是人類記錄方式的一次升級(jí)——
從二維照片、視頻躍遷到可任意漫游、沉浸式體驗(yàn)的三維空間！
說到這里，不得不提起一個(gè)暖心的故事。
不久前，群核科技的團(tuán)隊(duì)正是利用該技術(shù)，成功將一個(gè)擁有60余年歷史、承載了很多人舊時(shí)溫情記憶的老照相館遷移到了云端——使其成為了一個(gè)永不關(guān)門的「時(shí)空膠囊」。
如此善舉也迅速讓這項(xiàng)前沿技術(shù)迅速火出圈。
體驗(yàn)鏈接：https://www.kujiale.com/pub/koolab/koorender/gifts
然而，僅僅有一個(gè)惟妙惟肖的數(shù)字外殼還是不夠的。
機(jī)器人還要能「看懂」這個(gè)世界。例如，要能夠理解「這是一張床，那是一扇可以打開的門」。
這便引出了新范式的第二個(gè)關(guān)鍵技術(shù)支柱：空間大模型的語義賦予。
如果說3D高斯重建了空間的「形」，那么空間大模型則會(huì)賦予其「神」。
群核科技自研的空間理解模型SpatialLM，能夠?qū)χ亟ǖ狞c(diǎn)云數(shù)據(jù)進(jìn)行深度分析，精準(zhǔn)識(shí)別出場景中的物體、結(jié)構(gòu)以及相互之間的關(guān)系，并打上精準(zhǔn)的語義標(biāo)簽。
這便使原本僅是視覺奇觀的3D場景，轉(zhuǎn)化為一個(gè)機(jī)器人可理解、可推理、可交互的3D數(shù)據(jù)。
最后，通過群核空間智能平臺(tái)SpatialVerse進(jìn)行物理仿真與數(shù)據(jù)增強(qiáng)，完成了新范式的最后一環(huán)。
基于這條新范式，群核在WAIC2025期間發(fā)布了新成果——高質(zhì)量3D高斯語義數(shù)據(jù)集——InteriorGS。
該數(shù)據(jù)集包含1000個(gè)精細(xì)的3D高斯語義場景，覆蓋超過80種室內(nèi)環(huán)境，是全球首個(gè)適用于智能體自由運(yùn)動(dòng)的大規(guī)模3D數(shù)據(jù)集。
InteriorGS數(shù)據(jù)集的示例。該數(shù)據(jù)集提供了高質(zhì)量的3D高斯點(diǎn)陣（3DGS）表示，以及實(shí)例級(jí)別的語義邊界框和表示智能體可訪問區(qū)域的占用圖。紅色和黃色軌跡分別表示地面機(jī)器人和無人機(jī)（UAV）的路徑。值得注意的是，InteriorGS支持在連續(xù)3D環(huán)境中進(jìn)行自由形式的智能體導(dǎo)航和交互，從而實(shí)現(xiàn)真實(shí)的空間智能訓(xùn)練與評(píng)估
從人類/地面機(jī)器人沿紅色軌跡行進(jìn)時(shí)的視角進(jìn)行RGB渲染及對(duì)應(yīng)的深度圖
InteriorGS首次將3D高斯技術(shù)系統(tǒng)地引入AI空間訓(xùn)練領(lǐng)域，充分利用了其在場景重建上的效率和成本優(yōu)勢。
目前，該數(shù)據(jù)集已在HuggingFace和Github等平臺(tái)開源，全球的開發(fā)者都可以下載使用。據(jù)了解，知名仿真平臺(tái)RoboVerse正在用這批數(shù)據(jù)測試機(jī)器人訓(xùn)練效果。
Huggingface:
https://huggingface.co/datasets/spatialverse/InteriorGS
Github:
https://github.com/manycore-research/InteriorGS
就像自動(dòng)駕駛需要仿真路測，在群核平臺(tái)上，機(jī)器人可以在虛擬廚房練習(xí)分類收納，在虛擬商店學(xué)習(xí)避障導(dǎo)航，在虛擬工廠中進(jìn)行施工演練。
這些體驗(yàn)，都將轉(zhuǎn)化為真實(shí)世界中的高效執(zhí)行。
不光是機(jī)器人，包括AIGC和XR等新興智能體，所有試圖理解物理世界的新興智能體，都需要高質(zhì)量的3D數(shù)據(jù)來進(jìn)行內(nèi)容生成與模型訓(xùn)練。
當(dāng)「理解空間、適配物理規(guī)則」成為智能體的基礎(chǔ)素養(yǎng)，人機(jī)協(xié)同的邊界將被徹底改寫。
機(jī)器人真正成為養(yǎng)老保姆；XR真正融入人的生活和工作，而不僅是娛樂……
在具身智能全面到來之前，行業(yè)正致力于為它們搭建進(jìn)化的橋梁——連接數(shù)字世界與物理世界，打通感知、理解與行動(dòng)的閉環(huán)。
新婚之夜 季攸寧被心愛之人和小三聯(lián)合殺害， 并搶奪了家產(chǎn) 死后不甘， 重生到安家最不受寵的女兒安初夏身上。 步步為營步步算計(jì)， 只為復(fù)仇， 卻沒想到遇到那個(gè)強(qiáng)大的男人。 你和攸寧很像。 他頷首低喃。 她無奈否認(rèn)， 這可能是個(gè)巧合然而卻被他強(qiáng)勢鎖在身邊。 “ 這輩子， 你都跑不掉了。 ” 延伸閱讀：與 國金證券保薦項(xiàng)目頻現(xiàn)業(yè)績變臉 ST天微IPO前凈利激增百倍上市后掉頭向下直到觸發(fā)退市風(fēng)險(xiǎn)科：(創(chuàng)板)6||周年 的相關(guān)文章賀峻霖法修散打
貴州 609 分考生稱被廈大馬來分校誤錄取，稱省招院志愿填報(bào)系統(tǒng)存在疏忽，怎樣看此事？省招院有責(zé)任嗎？
洪森回應(yīng)他信稱要給其一個(gè)教訓(xùn)
王楚欽說梁靖崑賽前就不舒服了
這是“假貨”陷阱！
參觀礦企遇難實(shí)習(xí)生家屬發(fā)聲
東北大學(xué)溺亡者掉落浮選槽里是礦漿
9.9元假銀飾致癌物超標(biāo)1179倍
在蘇聯(lián)吃罐頭有什么后果？【神奇組織33】
【MrBeast首發(fā)】能在私人飛機(jī)上生存100天就把它送你
