【科技资讯】从”用数据”到”造数据”：桥介数物正式启用“跨本体全身运动数据工厂”

📝 核心摘要

从”用数据”到”造数据”：桥介数物正式启用“跨本体全身运动数据工厂”36氪广东的朋友们·2026年05月25日 11:30从内部数据生产单元，逐步演进为面向行业的数据供给方与行业标准的共建者。
近日，具身智能领域的头部运动控制研发商桥介数物（BridgeDP Robotics）宣布，其自建的”跨本体全身运动数据工厂”（下文简称”运动数据工厂”）正式投入使用。该中心短期内将聚焦运动控制领域，以工业化、规模化的方式采集高质量的跨本体全身运动数据，并通过标准化数据管线与训练回流机制，构建”设计—采集—处理—训练—反馈”的数据闭环体系，为其自研的通用运动控制平台打造可持续演进的数据基础设施。

躬身入局，填补运动控制领域的数据真空
近年来，具身智能正经历从”算法驱动”向”数据驱动”的范式跃迁，行业对物理世界数据的需求快速增长。这一变化的背后，集中体现在以下三个层面：
首先，模型范式正在升级。早期机器人更多依赖”专家逻辑”，需要工程师手动编写控制规则，并通过少量实验数据进行验证。随着行业转向更先进的大模型体系，机器人同样开始呈现出 Scaling Law（规模定律）的特征：模型参数规模越大，对动作数据的需求量也越大。要让机器人像 ChatGPT 理解文字一样理解物理世界，所需的是百万甚至千万小时级别的”环境—动作”配对数据，数据缺口由此被迅速放大。
其次，工作场景正在从结构化走向非结构化。早期机器人主要在工厂、实验室等结构化场景中运行，地面平整、节拍固定、扰动可控；而通用机器人需要走出实验室，进入家庭、户外、工地、商超等真实环境，面对几乎无穷无尽的长尾场景。以”行走”为例，看似单一的动作，落到瓷砖、地毯、湿滑路面、草地、楼梯、斜坡等不同地形上，所需的步态、重心调度与关节力矩完全不同；再叠加负重变化、被人推搡、踩空、绊倒等突发扰动，同时本体还需在极短时间内完成姿态恢复。面对这些复杂变量，传统实验室数据采集方式与模态难以满足需求。数据不再只是训练素材，而是决定机器人能否从实验室走向商业化应用的核心战略资源。
最后，高维物理交互数据正在成为关键门槛。传统工业机器人通常只需在固定坐标点之间重复执行动作，并不需要真正理解环境与自身，因此对高维数据的需求较低。而当通用机器人进入家庭、户外、工地等复杂环境后，关节力矩、足底压力、本体感知（IMU、姿态、动量）、地面摩擦与动力学响应都成为必须…

🔗 阅读原文

👉 从”用数据”到”造数据”：桥介数物正式启用“跨本体全身运动数据工厂”

🏷️ 标签：数据要素

本文由科普头条 AI 自动采集发布，内容仅代表作者观点