索辰科技物理AI数据与训练平台：让每一次训练，都更快落地

索辰科技物理AI数据与训练平台：让每一次训练，都更快落地

同样是抓取一个杯子，换一种材质、挪一个位置，机器人就可能需要重新适应。演示中顺利完成的动作，进入真实任务后，还要经受物体变化、接触扰动和连续操作的考验。

这些变化也提出了三个研发问题：仿真能否还原真实的物理行为？数据是否覆盖任务中的关键变化？模型改进能否经得起一致条件下的测试？

从一次成功，到稳定完成任务，需要可信的仿真、多样且可靠的数据，以及持续的训练与评测。每个环节的结果，都应成为下一轮改进的依据。

索辰科技物理AI数据与训练平台，将仿真资产准备、数据管理、开发测试与模型训练连接起来，并通过AI智能体协同调用平台能力，帮助团队准备训练条件、开展实验，并为评测后的改进保留依据。

索辰科技物理AI数据与训练平台

仿真与现实之间，差的不只是外观

对于机器人，物体既是需要识别的对象，也是需要接触和操作的对象。

杯子的质量与摩擦影响抓取，柜门的关节与运动约束影响开合，纸张的柔性影响形变。三维模型即使外观逼真，物理参数的偏差仍会影响仿真中的接触与运动，使训练和验证结果偏离真实情况。

因此，SimReady资产的关键，是让几何、结构和物理属性共同进入仿真。

索辰平台通过3D高斯重建（3DGS）、视觉语言模型和大语言模型协同，从图像、多视图或视频出发，完成三维重建、部件与关节结构识别，以及物理属性推断。进一步结合物理测量与系统辨识，校准材质、惯量和力学参数，输出SimReady USD资产。

图像提供外观与结构线索，测量提供物理依据，系统辨识则根据运动或受力响应估计模型参数。三者结合，让资产不仅能被看见，还能用于接触、抓取和形变等仿真。

这条Real-to-Sim路径，为仿真训练及后续Sim-to-Real迁移打下基础。资产入库后，平台自动生成描述与标签，提供语义检索、三维预览、相似资产归组和版本管理，方便团队选择和复用资产。

准备好的资产可以用于后续任务，减少重复建模和属性配置。

数据既要覆盖任务变化，也要保证质量

训练数据的价值，不能只用时长或条数衡量。

围绕同一种物体、同一种位置反复采集，可以增加样本数量，却未必帮助机器人适应新的条件。真机数据记录真实接触、传感器反馈和操作轨迹；合成数据能够在可控环境中拓展场景变化。两类数据相互补充，共同服务训练目标。

索辰平台统一管理真机采集与合成数据，支持LeRobot等标准格式，通过跨数据集语义检索定位样本，按任务筛选构建训练集，并直接对接训练服务。研发人员可以先找到已有数据、核验覆盖情况，再决定补充哪些对象、场景或操作条件，减少盲目重复采集。

数据进入训练前，还要检查图像、动作和时间是否对应。图像与动作错位可能让模型学到错误的关联，丢帧和帧率异常可能破坏轨迹连续性，任务描述与标注不清也会影响训练效果。

数据质量管理，需要区分“记录出了问题”和“任务执行失败”。记录异常需要排查修复；任务失败则可能保留失误与恢复过程，为分析问题、改进训练提供参考，不宜一律删除。

索辰平台对丢帧、帧率异常、时间戳覆盖和相机健康等维度进行自动检测，并通过多相机同步回放、手部或全身骨架叠加，帮助研发人员联合查看采集内容与动作信息。技术异常由检测工具辅助定位，样本是否适合当前任务，则结合回放内容和训练目标判断。

先核验数据，再构建训练集，可以减少问题数据进入训练后造成的反复试错。

从开发测试到训练评测，让每轮迭代有据可循

数据准备好后，还需要结合任务调整模型和代码，检查数据读取、处理逻辑和程序运行情况。

索辰平台提供“探索模式”，根据用户选择的模型版本、计算节点和数据集，自动在目标机器上启动JupyterLab开发环境，并接入代码与数据。研发人员通过浏览器就能修改代码、检查样本、开展小规模测试，先跑通程序，再启动正式训练，尽早发现问题，减少返工。

进入正式训练阶段，平台将数据集选择、模型与运行环境、参数配置、任务提交、训练监控和产物管理纳入统一流程。通过任务编排与GPU资源监控，团队可以安排训练任务，掌握进度和资源使用情况。

训练完成后，还要验证模型在真实任务中是否表现得更好。训练损失下降，并不等于机器人已经能够稳定完成任务。对于抓取、插拔或柔性操作，成功率、完成时间，以及面对不同物体和初始条件的适应能力，都需要在一致的测试条件下进行比较。

评测发现问题后，团队需要回查训练条件。平台统一管理模型版本、训练镜像和权重，支持任务对比与克隆。研发人员可以核对数据、参数和模型版本，复用配置开展对照实验，判断下一步该补充数据，还是调整代码与模型。

这套流程由多种模型能力共同支撑：大语言模型用于任务理解，视觉语言模型辅助内容理解，向量模型支持语义检索，三维重建能力服务资产准备。训练模块支持对接主流开源VLA训练框架与预训练模型，统一管理不同实验所需的模型、数据和配置。

AI智能体通过平台工具接口调用资产、数据与训练能力，将自然语言指令转为具体操作，减少跨工具切换。研发人员仍可自主开发、调试和验证，掌控实验过程。

把物理理解、数据工程与模型迭代连接起来

机器人研发需要持续回答三个问题：训练条件是否可信，数据是否适用，模型改进是否有效。

索辰科技物理AI数据与训练平台，将物理属性校准、数据核验、开发测试与训练管理贯通，让团队减少重复准备，更早发现问题，并根据评测结果追溯和调整实验，推动训练成果走向实际应用。

索辰科技物理AI数据与训练平台：让每一次训练，都更快落地。

关于索辰

索辰科技（688507.SH）以“探索物理人工智能，成就虚实平行世界”为企业愿景，面向世界科技前沿，推出涵盖物理AI开发及应用平台的全场景解决方案，赋能工业装备设计与制造，助力客户实现跨越式发展。