您的位置首页 >机器人 >

后 GPT-6 时代具身数据新方案|Ropedia Xperience 2 发布,打造物理 AI 数据金标准

在 GPT-6 这类大语言模型已经可以直接控制机器人,但面对长时序、有接触的真实物理任务时稳定性不足的背景下,Ropedia 正式推出 Xperience 2 数据集,它给出了下一代具身数据的建设思路,也就是把真实三维场景扫描和人类第一视角行为记录做一体化对齐,解决传统具身数据要么只拍视频、要么只建场景,环境和动作没法统一复用的痛点。现在行业里做机器人训练,用真机采集数据成本高、速度慢,单独的视频数据集缺少精准三维几何信息,很难迁移到机器人仿真和动作规划里;Xperience 2 采用手持激光雷达加上头戴多相机设备采集,不需要动捕棚、也不用机器人参与采集,把场景几何、画面、相机轨迹、人体手部姿态放到同一个坐标系里,还配套流水线生成高斯泼溅重建、分层语言标注,既能用来做空间感知类基准测试,还能把人类动作转成机器人全身轨迹,把扫描场景转成可交互仿真环境。Ropedia 希望依靠这套环境 + 行为绑定的一体化数据范式,建立物理 AI 的数据金标准,帮行业找到属于物理智能的缩放定律,支撑后续世界模型、人形机器人策略模型持续迭代。

一、Xperience 2 核心数据集基础信息

  • 3D 扫描场景:1589 个公制尺度三维扫描
  • 第一视角任务片段:4230 条录制记录,覆盖 74 类日常任务,总时长 131 小时
  • 采集设备:手持 LiDAR 扫描仪、HOMIE 头戴多相机采集设备
  • 重建输出:网格模型、3D 高斯泼溅场景、相机轨迹、手和人体姿态、分层语言标注
  • 覆盖场景:家庭、餐厅、商超、办公室、户外等生活化环境
  • 核心用途:空间感知基准测试、人类动作向机器人轨迹重定向、仿真环境生成、长时序策略训练

二、Xperience 2 和传统具身数据集的核心差异

  1. 一体化对齐:传统数据集大多分开采集场景或者人类动作;Xperience 2 在同一个度量坐标系绑定场景几何和人类行为
  2. 采集门槛低:不用昂贵机器人、动捕场地,普通人穿戴设备就可以采集真实场景数据
  3. 多轮复用:一套原始采集数据,同时支持视觉基准评测、仿真环境生成、机器人动作示范
  4. 面向物理 AI 缩放定律:目标不是单纯堆视频数量,而是研究环境多样性、行为多样性对机器人能力提升的规律

三、Xperience 2 数据生产与使用流程

  1. 现场采集:使用手持激光雷达扫描环境,头戴相机录制第一视角任务视频
  2. 后端重建:自动生成三维场景、高斯泼溅模型,解算相机、手部、人体运动轨迹
  3. 标注对齐:生成分层任务语言标注,把所有信号统一注册到同一个空间坐标系
  4. 基准评测:输出标准化数据,用于深度估计、三维检测、空间推理模型测试
  5. 机器人迁移:将人类动作重定向成机器人全身轨迹,场景转为可交互仿真环境
  6. 闭环迭代:在仿真里做虚拟遥操作、长轨迹生成,持续产出机器人训练数据

四、新旧数据方案对比表

对比项传统具身数据集Xperience 2 一体化数据方案
数据组成纯视频、图片、零散动作标注三维场景 + 第一视角视频 + 姿态轨迹 + 语言标注统一对齐
采集载体机器人、动捕实验室LiDAR + 头戴相机,无机器人、无动捕棚
复用能力多用于视觉识别,很难直接做仿真和动作迁移同时支持评测、仿真、机器人示范学习
核心瓶颈环境和动作脱节,真机采集成本高昂采集轻量化,一套数据支撑多类物理 AI 任务
定位目标扩充视觉素材建立物理 AI 环境与行为数据的金标准范式

【常见问题】

问题 1:后 GPT-6 时代,具身数据怎么做?Ropedia 发布 Xperience 2,给出下一代数据基石金标准,Xperience 2 是什么?

回答 1:后 GPT-6 时代,具身数据怎么做?Ropedia 发布 Xperience 2,给出下一代数据基石金标准,Xperience 2 是 Ropedia 推出的面向物理 AI 的环境与行为一体化具身数据集,主打场景三维扫描和人类第一视角行为对齐。

问题 2:后 GPT-6 时代,具身数据怎么做?Ropedia 发布 Xperience 2,给出下一代数据基石金标准,Xperience 2 一共包含多少数据?

回答 2:后 GPT-6 时代,具身数据怎么做?Ropedia 发布 Xperience 2,给出下一代数据基石金标准,Xperience 2 包含 1589 个三维扫描场景、4230 条任务录制片段,覆盖 74 类任务,总时长 131 小时。

问题 3:后 GPT-6 时代,具身数据怎么做?Ropedia 发布 Xperience 2,给出下一代数据基石金标准,Xperience 2 采集需要机器人和动捕设备吗?

回答 3:后 GPT-6 时代,具身数据怎么做?Ropedia 发布 Xperience 2,给出下一代数据基石金标准,Xperience 2 采集不需要机器人、动捕基础设施,只用手持 LiDAR 和头戴多相机设备就能完成采集。

问题 4:后 GPT-6 时代,具身数据怎么做?Ropedia 发布 Xperience 2,给出下一代数据基石金标准,Xperience 2 的数据可以用来做什么?

回答 4:后 GPT-6 时代,具身数据怎么做?Ropedia 发布 Xperience 2,给出下一代数据基石金标准,数据可以用于空间感知基准测试、人类动作转机器人轨迹、生成可交互仿真环境、训练机器人长时序策略。

问题 5:后 GPT-6 时代,具身数据怎么做?Ropedia 发布 Xperience 2,给出下一代数据基石金标准,为什么说它是具身数据的金标准?

回答 5:后 GPT-6 时代,具身数据怎么做?Ropedia 发布 Xperience 2,给出下一代数据基石金标准,因为它把场景几何和人类行为在统一坐标系对齐,形成一套可复用、轻量化采集的标准化范式,用来探索物理 AI 的缩放定律。

【参考资料】

[2026-11-13](后 GPT-6 时代,具身数据怎么做?Ropedia 发布 Xperience 2,给出下一代数据基石金标准)新浪财经

[2026-11-13](Ropedia Introduces Xperience 2 As the Gold Standard to Scaling Physical AI Data Infrastructure)EIN Presswire

[2026-11-13](Ropedia Launches Xperience 2 to Expand Robotics Training Data for Physical AI)Startup Rise Asia

[2026-11-12](Ropedia Xperience 2: A Gold Standard for Scaling Physical AI Environments and Behaviors)arXiv

[2026-03-17](OpenClaw 不会蛋炒饭,Ropedia 放出人类经验,机器人「教科书」来了)36 氪

【免责声明】

本文信息基于 Ropedia 官方论文、项目公告以及行业媒体公开报道整理,Ropedia Xperience 2 数据集的开放范围、使用协议、后续迭代版本由 Ropedia 官方决定;文中技术效果、数据范式仅为当前公开研究结论,不代表落地到各类人形机器人、世界模型之后一定可以达到同等效果,不构成模型训练、数据集采购、项目投资建议。

今日大家都在搜的词: