InternVerse 具身数据平台发布，从数据供给到模型迭代，助力物理智能全链路提效

📌 一句话摘要

上海人工智能实验室发布 InternVerse 具身数据平台，通过四大核心组件打通了从数据合成、资产供给到空间重建及模型评估的物理智能全链路。

📝 详细摘要

本文介绍了上海人工智能实验室推出的 InternVerse 具身数据平台，旨在解决具身智能（Embodied AI）发展中核心的数据匮乏瓶颈。该平台由四大核心组件构成：InternDataEngine 数据合成引擎、3D 模型资产平台、空间智能数据平台以及具身数据评估平台。这些组件共同构建了一个从数据供给到模型迭代的闭环，支持自动化数据生产、大规模 3D 资产获取、Real2Sim 场景重建以及针对真机操作的细粒度评估。实验证明，该平台生成的合成数据在 VLA 模型预训练中表现优异，媲美真实数据，为物理智能的持续演进提供了坚实的基础设施支撑。

💡 主要观点

- InternDataEngine 实现了高效的自动化具身数据合成流水线。 通过融合高保真物理交互与语义逻辑生成，配合 Nimbus 框架，该引擎在 8 卡 4090 环境下单日产能可达数百小时，支持亿级规模数据生产。

大规模标准化 3D 资产库为具身智能研发提供了统一底座。 平台开放了 4 万多个高质量 3D 模型，涵盖 200 余类常见物体，并对铰接物体的关节刚度和阻尼进行了人工标注，极大降低了场景构建成本。

空间智能平台支持从单目视频到高保真场景的 Real2Sim 转换。 利用流式重建技术，仅凭单目视频即可完成桌面级到街道级场景的重建，为视觉语言导航和世界模型构建提供稳定的空间数据供给。

具身数据评估平台解决了真实世界机器人学习中奖励信号稀疏的问题。 基于 VLAC 模型对真机操作视频进行细粒度评估，输出过程奖励和异常识别，为强化学习提供可靠的现实世界反馈信号。

💬 文章金句

- 智能体在物理世界中实现'具身化'演进，核心瓶颈是数据匮乏。

首次证明大规模合成数据可成为 VLA 预训练的重要资源。
InternVerse 具身数据平台进一步补齐此前发布的『书生』具身全栈引擎 Intern-Robotics 的数据基础设施能力。
8 卡 4090 单日数据产能可达数百小时。

📊 文章信息

AI 评分：84

来源：魔搭ModelScope社区

作者：魔搭ModelScope社区

分类：人工智能

语言：中文

阅读时间：12 分钟

字数：2927

标签：具身智能, 数据合成, VLA模型, Real2Sim, 机器人学习

阅读完整文章

InternVerse 具身数据平台发布，从数据供给到模型迭代，助力物理智能全链路提效

🤖 問 AI