2025-12-18
在國家加快具身智能關(guān)鍵技術(shù)攻關(guān)、推動訓練與中試平臺建設(shè)的背景下，Behavision平臺依托ABC（Assets-Behavior-Client）空間智能架構(gòu)，圍繞“大小腦模型協(xié)同”與“仿真與真機數(shù)據(jù)融合”等核心方向形成系統(tǒng)化技術(shù)方案，并將數(shù)據(jù)驅(qū)動的感知與模型生成的任務(wù)行為轉(zhuǎn)化為精準可控的協(xié)議化動作指令，為具身智能提供了一條可驗證、可部署的工程化路徑。
A（Assets）板塊構(gòu)建了以數(shù)據(jù)驅(qū)動的空間感知基座。通過深度融合3D數(shù)據(jù)、鉸接數(shù)據(jù)、物理參數(shù)與URDF模型等多模態(tài)信息，使機器人能夠?qū)ξ矬w形態(tài)、功能屬性與交互邊界建立一致性理解，為大小腦模型的決策與行動提供可靠的空間語義與物理參考。
B（Behavior）板塊構(gòu)建了基于大小腦模型協(xié)同機制的行為引擎。自研具身大腦模型專注于語義理解、邏輯推演與行為序列規(guī)劃，結(jié)合機器人本體小腦模型則負責行動執(zhí)行。二者在統(tǒng)一架構(gòu)下協(xié)同工作，并結(jié)合仿真與真機數(shù)據(jù)融合技術(shù)，實現(xiàn)訓練策略在真實物理環(huán)境中的持續(xù)收斂，形成了從“任務(wù)語義”到“物理執(zhí)行”的決策鏈路。
C（Client）板塊，將Behavior板塊生成的結(jié)構(gòu)化動作指令，可精準映射到多種類機器人上。目前已在眾擎等本體機器人上實現(xiàn)穩(wěn)定映射執(zhí)行，讓訓練策略在真實場景中的一致性與可落地性。后續(xù)平臺將向更多機器人本體開放，實現(xiàn)跨形態(tài)的執(zhí)行擴展。
在 ABC 架構(gòu)的整體協(xié)同下，Behavision 平臺以“大小腦模型協(xié)同”為核心機制，并結(jié)合“仿真與真機數(shù)據(jù)融合”形成了貫通感知、推理與執(zhí)行的系統(tǒng)化鏈路，使機器人任務(wù)策略在真實場景中保持穩(wěn)定表現(xiàn)與持續(xù)優(yōu)化。未來，平臺將在跨形態(tài)、跨任務(wù)與跨場景的應(yīng)用實踐中不斷增強這一體系的通用性，推動具身智能邁向可規(guī)?；涞氐募夹g(shù)范式。