EmbodiChain開源，用100%生成式數據自動訓練具身智能模型

機器之心發布

• 論文地址:
• https://www.techrxiv.org/doi/full/10.36227/techrxiv.176153394.41323502
• 開源主頁:
• https://dexforce.com/embodichain/index.html#/
• 代碼倉庫:
• https://github.com/DexForce/EmbodiChain
• 技術文檔:
• https://dexforce.github.io/EmbodiChain/introduction.html

大語言模型的爆發，讓大家見證了 Scaling Law 的威力：只要數據夠多、算力夠猛，智能似乎就會自動涌現。但在機器人領域，這個公式似乎失效了。

• 在 LLM 時代，數據是「存量」，我們只需要負責「清洗」；
• 在具身智能時代，數據必須是「增量」，我們必須具備「創造」數據的能力。

不同于互聯網上唾手可得的萬億級文本，機器人所需的、經過 3D 標定且符合物理規律的高質量交互數據，極度稀缺且昂貴。正因如此，數據采集范式成為了近年來行業研究的絕對焦點。

可以看到，整個行業正在向著更低成本、更便捷的方向全速推進：從昂貴的遙操設備，到基于動捕手套的靈巧手捕捉和更加便攜式的夾爪方案，再到如今甚至不再需要佩戴手套、僅憑雙手演示即可采集數據的創新方案。這些輕量化的數采范式正在將人類的經驗數字化，這一路徑不僅充滿價值，更值得持續深耕，它是連接人類技能與機器人動作的橋梁。

整個行業在將具身智能推向大模型時代的這個目標上狂奔。

但是，即使是最極致的采集效率，客觀上仍受限于物理時間的流逝和人力成本的邊界。當下沒有任何現有的物理采集范式，能匹配 LLM 訓練所需的「互聯網級」規模。這成為了具身智能邁向更高階智能的最大桎梏。

效率定律

效率定律 (Efficiency Law) 下模型性能與數據生成速率的關系

要跨越這個鴻溝，除了物理采集的持續精進，另一種極具潛力的解決方式，就是構建一個能夠超高速、自動化生成物理現實的數字世界（跨維智能團隊在《GS-World》中詳述了這一路徑）。

在這個基于物理引擎的生成式世界中，數據的生成速率超越了時間的限制（Efficiency Law）；機器人可以在零成本的試錯中習得對物理因果的深刻理解；所有的邊緣情況（Corner Cases）都可以在這里被模擬、被攻克。

GS-World 與 EmbodiChain

今天，跨維智能正式開源 EmbodiChain。作為通往GS-World（基于生成式仿真的世界模型）的基石，EmbodiChain 不僅僅是一個數據和模型平臺，更是一次對具身智能學習范式的重構。

跨維團隊提出并驗證一個大膽的假設：僅憑 100% 的生成式仿真數據，只要生成速率（Rate of Generation）突破臨界點，機器人就能在真實世界中涌現出超越 SOTA 的泛化能力。

這不是科幻，這就是跨維正在驗證的效率定律（Efficiency Law）。

然而，要將 GS-World 從藍圖變為現實，絕非易事。跨維研究團隊必須面對并攻克三個核心科學難題，這也是 EmbodiChain 致力于解決的關鍵：

1. 如何實現數據生產自動化？
2. 真實世界極其復雜，如何僅憑少量先驗（如一段視頻、一句描述），就在數字世界中自動重建、生成海量且物理一致的場景與任務，而無需人工手動搭建？
3. 如何打破「虛實鴻溝」（Sim2Real Gap）？
4. 仿真數據再多，如果不能遷移到真機也是徒勞。如何在不依賴或盡量少依賴真實數據微調的情況下，讓模型習得適應真實世界噪聲與動態變化的魯棒策略？
5. 如何突破數據生成的「IO 墻」？
6. Scaling 需要億級甚至十億級的交互步數。傳統的「生成 - 存儲 - 讀取 - 訓練」模式效率極低。如何構建極致高效的數據流轉機制，實現「在線數據流」？

EmbodiChain：一條永不停歇的「在線數據流和模型生產線」

為了實現這一愿景，跨維智能構建了GS-World（Generative Simulation World Model，生成式仿真世界模型）的核心基石 ——EmbodiChain。

EmbodiChain 作為一個底層的基建技術，可以把它看作去存儲化的數字化流水線。Scaling 需要億級甚至十億級的交互步數，傳統的「生成 - 存儲 - 讀取 - 訓練」模式在面對海量 3D 數據時，存儲與傳輸將成為不可承受之重。

在 EmbodiChain 的架構中，可以徹底拋棄「先存硬盤、再讀硬盤」的陳舊范式，取而代之的是在線數據流（Online Data Streaming）和模型自動生產線。

EmbodiChain 的核心工作流。數據在生成的同時即被消費，橘色的數據流貫穿全場，無需落地存儲。

這條流水線是如何工作的？

• 世界生成（Generative Simulation）：引擎不僅是環境，更是造物主。Real2Sim 模塊從極少的真實樣本中提取物理先驗，Gen2Sim 模塊則響應語言指令，自動構建出符合牛頓力學等物理規律的 3D 場景與資產。
• 數據擴增（Data Scaling）：數據不僅要多，還要「難」。系統自動進行視覺增強、物理參數隨機化，并剔除那些機器人「夠不著」的無效采樣。
• 自我修復（Closed-loop Recovery）：真正的智能來自于從錯誤中學習。當仿真中的機器人抓取失敗，系統會自動生成修正軌跡。這種「失敗 - 修正」的閉環，比單純的成功演示更有價值。

這一切都在 GPU 內部并行高速運轉，數據如洪流般產生，訓練完即銷毀，不留下一絲冗余，只留下模型能力的增長。

路線之爭：機器人需要的是物理精確的生成式模型

在通往具身智能世界模型的路上，目前存在兩條截然不同的路線。

一條是近期火熱的視頻生成路線（Video World Model），如 Sora 或 LTX-Video，它們試圖通過「畫出」下一幀來模擬世界。雖然視覺效果驚艷，但一些對比實驗揭示了其致命弱點：幻覺。

視頻模型生成的畫面往往缺乏長程的時空一致性，且很難精確遵循動力學方程。用這種「做夢」產生的數據訓練機器人，就像讓一個飛行員在愛麗絲的仙境中學習開飛機 —— 看著很美，一上真機就墜毀。

相反，EmbodiChain 選擇的是GS-World 路線（基于生成式仿真的世界模型）。

• 物理先驗（Physical Priors）：跨維智能堅持世界模型必須是 3D 的、交互式的、物理嚴謹的。
• 特權信息（Privileged Information）：在 EmbodiChain 中，使用者擁有上帝視角。比如使用者能夠獲取物體的精確掩碼、空間關系和可供性（Affordance）。通過訓練模型預測這些真實世界中不可見的「特權信息」，迫使模型理解了場景背后的幾何本質，而不僅僅是表面的像素。

這正是 Yann LeCun 所倡導的理念：世界模型應該是對世界狀態的預測與規劃。

EmbodiChain中可以獲取的特權信息示例

零真實數據，VLA 真的可行嗎？

為了驗證這套「效率定律」，跨維智能做了一件極端的測試：不使用任何真實數據訓練模型。

跨維智能訓練出的 Sim2Real-VLA 模型，在真實世界中執行任務。結果令人驚訝：

• 遠超基線：在沒有任何真實數據微調的情況下，它在操作成功率上大幅領先 ACT、Diffusion Policy 等主流方法。
• 無懼干擾：即使跨維智能像「搗亂者」一樣更換桌布、移動物體、改變光照，模型依然穩如泰山。甚至在某些任務中，由于去除了真實數據中容易過擬合的背景噪聲，模型的表現反而比用真實數據訓練還要好。

Sim2Real-VLA 在全生成數據訓練下，不僅擊敗了 SOTA，更展現了驚人的魯棒性。

愿景：通往 GS-World 的「效率奇點」

EmbodiChain 的開源，只是一個開始。

GS-World 藍圖遠不止于此。在跨維智能的規劃中，這是一個引擎驅動的閉環路徑（Engine-driven Loop）：

• 不僅環境是生成的，任務也是生成的；
• 不僅策略是進化的，機器人的身體結構（Morphology）也會隨著任務需求協同進化。

跨維智能希望 EmbodiChain 能成為每一位具身智能研究者的基礎設施。不需要再為了幾千條數據而在實驗室里沒日沒夜地遙操作，不需要再為幾十 TB 的硬盤存儲發愁。

因為智能的未來，不應該被困在數據的匱乏中。

EmbodiChain 現已開源，邀請你一起見證具身智能的「效率奇點」。

文中視頻鏈接：https://mp.weixin.qq.com/s/IGe1myOEmAW7JOrQyBLhBA