黎曼动力今天搞了件大事。
8 月 6 号，他们宣布跟光轮智能、诺亦腾机器人（Noitom Robotics）联手了。三家公司凑在一起要干的事，一句话就能讲清楚。
给机器人建一个百万小时级别的「训练数据库」。
是专门为具身智能准备的、带动作轨迹、带力度反馈、带三维空间信息的高质量多模态数据。
为什么非得这么搞？
讲道理，现在让机器人看视频学东西，有点像你站在厨房门口看了 100 个小时别人炒菜，然后指望你亲自上手就能颠勺。
看是看了，手感呢？机器人也是一样。它需要的不只是「看见」物体，它得知道手指捏下去要多大力、关节怎么转、手臂在空中走什么轨迹、碰到东西时该怎么调整。
这些数据，光靠摄像头拍视频是拿不到的。
所以，黎曼动力给这件事定了个目标，2026 年底之前，搞到 100 万小时。
什么概念呢，就是你 24 小时不睡觉连看 114 年。
然后，三家分工，各管一块
黎曼动力出的是「大脑」，他们手里有两张牌，Riemann-1.0 和 Matrix-Game 3.5。
Riemann-1.0 是一个具身世界动作模型，专门学人类怎么动、环境怎么变、做一件事会带来什么结果。
这模型最近在一个叫 RoboCasa-365 的机器人「家务大考」里，以 62.6% 的平均成功率拿了第一。比之前行业最好的成绩，高了 8.4 个百分点。
说实话，在一个机器人连倒水都经常翻车的领域，8.4 个点不是小数目。
Matrix-Game 3.5 是另一个东西，一个交互式世界模型。你可以把它想象成一个给 AI 玩的「模拟人生」，有长期记忆、能持续交互、还能模拟开放世界。
光轮智能负责「数据工厂」。
他们有一套自己的平台，EgoSuite 专门生产人类行为视频和多模态数据。简单说就是派人去干各种活，戴着头显和传感器，把动作、力度、轨迹全部录下来。
还有 RoboFinals 评测平台和 RoboStack 部署反馈平台，一条龙，从数据生产到模型验证到真机部署，全部管起来。
诺亦腾机器人补的是「手感」这块。
他们最擅长动作捕捉和力反馈采集。机器人要搞定那些精细活，拧螺丝、穿针、端一杯水不洒，靠的就是这些动作位姿和压力触觉数据。
诺亦腾在这块做了很多年，跟黎曼动力合作，主要是给 Riemann-1.0 在复杂操作和精细力控上补课。
说实话，这个合作的底层逻辑，跟传统「我出钱你出数据」的买卖不太一样。
黎曼动力联合创始人李阳光的原话是这么说的，「机器人操作模型要真正进入复杂、开放的真实环境，需要持续获得高质量、多样化并且能够验证的数据。」
翻译一下就是，以前「有多少数据训多少模型」，现在是「模型差什么就补什么数据」。
他们的做法是，模型做完一轮训练，真机跑一遍验证，看看哪里不行，然后反推回去告诉数据采集那边，下次重点采什么。
数据质量行不行，也不是拍脑袋说的，是通过评测体系和真机部署反馈来校准的。
相当于给模型和数据之间装了一个「反馈环」。跑得越多，数据越精准，模型越聪明。
黎曼动力这波操作，说白了就是把「世界模型、本体设计、运动控制、评测体系、真实场景数据闭环」这几块东西，全部串在了一起。
一条线，目标也很明确，让机器人从「能看见」「能理解」，走到「能稳定地在真实世界里干活」。
我觉得这事值得关注，因为它把一件看起来很远的事，出了一条具体的路。
热门跟贴