近日，高通用性具身智慧技術研發公司「跨維智慧」完成由聯想創投領投的戰略輪融資，融資資金將主要用於產品研發、團隊擴充和市場拓展等方面。
跨維智慧成立於2021年6月，是一家以Sim2Real為核心，研發高通用性具身智慧技術的國家高新技術企業。跨維智慧憑藉在3D生成式AI、多模態大模型及三維成像方面的長期技術積累，基於Sim2Real打造軟硬一體產品矩陣，且已在多場景中實現商業化落地，是具身智慧規模化商業落地的引領者。
通用具身智慧的發展與落地路徑聯想集團高階副總裁、聯想創投集團總裁賀志強介紹：具身智慧作為AI與物理世界互動的載體，具有高度通用性和泛化性的核心特點。傳統機器人為單一或固定任務設計，泛化性較差，難以完成複雜或未知任務，並且需要大量的程式設計、示教，部署複雜、時間成本高。而具身智慧具有高通用性，可在各類場景完成複雜任務。聯想創投作為聯想集團旗下的全球科技產業基金，十年來堅持投資AI機器人領域，不僅是基於對具身智慧的信仰，也是作為聯想的CVC和科技瞭望塔的定位與使命。此次對跨維智慧的投資，也是聯想創投長期看好跨維智慧在具身智慧路徑的選擇以及商業化落地的領先性。
具身智慧宏觀地講包含“具身”與“智慧”的結合，智慧是為不同具身形態的機器人/物理智慧體服務的。這些具身形態可以包含主要應用於非結構化場景下（例如商業、家庭等）的人形機器人，也可以包含人形上肢、靈巧手，甚至是應用於各種半結構化場景下（例如工業、物流等）的傳統形態機械臂/協作臂與特種機器人，以及更廣義的無人車、無人機等。跨維智慧認為後者應該是當前具身智慧技術發展和落地的重點考慮物件。為服務於不同形態的物理智慧體，智慧技術本身也應該不同於以人為服務目標的當前的大模型技術（例如ChatGPT、Sora等服務於知識搜尋和分享，內容創作等）。
跨維智慧創始人賈奎認為：隨著操作物件、環境和任務複雜性逐漸增強，通用具身智慧將會經歷L1-L5五個階段。從半結構化場景和特定機器人形態處理特定任務，逐步升級到對任意/未知場景，以自適應的通用機器人形態，完成任意任務。
具身智慧學習需要海量的帶標註資料，而真正實現具身智慧的落地，更需要海量的高精度高質量和豐富標註型別的資料。不同於LLM/VLM等大模型的訓練，訓練具身智慧大模型的資料是與物理智慧體相關的，是在物理世界絕對座標系下的精確測量資料，在資料獲取難度、資料獲取成本、標註週期等因素都會存在多重掣肘，極大影響具身智慧落地的週期及成本。因而透過模擬獲取合成數據成為了一個必然的選擇。
跨維智慧的進階之路：自研模擬引擎、3D大模型、AnyGrasp跨維智慧創始人賈奎表示：Sim2Real是透過物理模擬機器人操作場景，並引入各種與任務相關的真實世界的干擾（視覺的、物理的、任務描述的干擾，環境distractors等），再透過渲染、軌跡資料記錄、關節資料記錄等方式形成海量的帶絕對精確標準的合成數據，用這樣的合成數據訓練具身智慧大模型。
跨維智慧以Sim2Real為核心，持續打造底層技術核心能力。打造了獨有的DexVerse™資料與具身智慧模擬引擎，用於資料生成與大模型訓練。該引擎基於機率建模的程式化生成模擬方案與生成式AI技術相結合，解決現有技術無法合成形式多樣的高質量三維模擬資料資產、以及難以人為介入控制所導致生成不遵循現實物理約束的缺陷，實現高效零成本且更加真實可靠的模擬資料生成引擎，具備低成本獲取海量豐富數字資產的能力，為持續低成本生成資料打造了堅實的資料資產基礎。同時，結合在具身智慧多模態大模型上的長期積累，跨維智慧打造了基於3D VLA (3D Vision Language Action) 大模型的成像感知套件，從而逐階段支撐各行業趨近實現AnyGrasp/AnyManipulation，而不是針對不同的操作物件進行定製的任務程式設計。
聯想創投史晨星認為：跨維智慧擁有最優秀的Sim2Real和大模型相關技術，是實現高通用性具身智慧的核心底座。目前跨維智慧依託Sim2Real和相關技術，在具身智慧領域擁有深厚產品積累，已打造軟硬一體產品矩陣，包含基於3D生成式AI的Sim2Real AI引擎、基於3D VLA大模型的成像感知套件，並且在具身智慧領域商業化落地處於領先位置。
由半結構化啟程，邁向全場景非結構化通用智慧如前所述，跨維智慧優先將技術應用在大規模的半結構化場景：如工業製造領域。透過賦能較為成熟的機械臂/機器人，在半導體、汽車、光伏等行業均已有較好的落地應用，跨維方案對比傳統技術能有效地節省大量部署時間，降低成本，提升穩定性及通用性，支撐柔性化生產。
跨維智慧創始人賈奎透露：公司未來會根據通用性本身的技術發展軌跡，依次覆蓋從半結構化到非結構化場景。如典型的工業/協作機械臂場景，逐步實現支撐（接近）任意物體與場景抓取/操作的具身智慧成像、感知與控制系統、支撐在各類機器人上快速自動完成新任務部署的機器人控制器、能夠自主完成單輪及多輪任務的自主機器人系統。以上實現後，也將開啟通用/人形機器人在包括家庭在內的更廣泛場景落地的可能性。
近日，高通用性具身智慧技術研發公司「跨維智慧」完成由聯想創投領投的戰略輪融資，融資資金將主要用於產品研發、團隊擴充和市場拓展等方面。
跨維智慧成立於2021年6月，是一家以Sim2Real為核心，研發高通用性具身智慧技術的國家高新技術企業。跨維智慧憑藉在3D生成式AI、多模態大模型及三維成像方面的長期技術積累，基於Sim2Real打造軟硬一體產品矩陣，且已在多場景中實現商業化落地，是具身智慧規模化商業落地的引領者。
通用具身智慧的發展與落地路徑聯想集團高階副總裁、聯想創投集團總裁賀志強介紹：具身智慧作為AI與物理世界互動的載體，具有高度通用性和泛化性的核心特點。傳統機器人為單一或固定任務設計，泛化性較差，難以完成複雜或未知任務，並且需要大量的程式設計、示教，部署複雜、時間成本高。而具身智慧具有高通用性，可在各類場景完成複雜任務。聯想創投作為聯想集團旗下的全球科技產業基金，十年來堅持投資AI機器人領域，不僅是基於對具身智慧的信仰，也是作為聯想的CVC和科技瞭望塔的定位與使命。此次對跨維智慧的投資，也是聯想創投長期看好跨維智慧在具身智慧路徑的選擇以及商業化落地的領先性。
具身智慧宏觀地講包含“具身”與“智慧”的結合，智慧是為不同具身形態的機器人/物理智慧體服務的。這些具身形態可以包含主要應用於非結構化場景下（例如商業、家庭等）的人形機器人，也可以包含人形上肢、靈巧手，甚至是應用於各種半結構化場景下（例如工業、物流等）的傳統形態機械臂/協作臂與特種機器人，以及更廣義的無人車、無人機等。跨維智慧認為後者應該是當前具身智慧技術發展和落地的重點考慮物件。為服務於不同形態的物理智慧體，智慧技術本身也應該不同於以人為服務目標的當前的大模型技術（例如ChatGPT、Sora等服務於知識搜尋和分享，內容創作等）。
跨維智慧創始人賈奎認為：隨著操作物件、環境和任務複雜性逐漸增強，通用具身智慧將會經歷L1-L5五個階段。從半結構化場景和特定機器人形態處理特定任務，逐步升級到對任意/未知場景，以自適應的通用機器人形態，完成任意任務。
具身智慧學習需要海量的帶標註資料，而真正實現具身智慧的落地，更需要海量的高精度高質量和豐富標註型別的資料。不同於LLM/VLM等大模型的訓練，訓練具身智慧大模型的資料是與物理智慧體相關的，是在物理世界絕對座標系下的精確測量資料，在資料獲取難度、資料獲取成本、標註週期等因素都會存在多重掣肘，極大影響具身智慧落地的週期及成本。因而透過模擬獲取合成數據成為了一個必然的選擇。
跨維智慧的進階之路：自研模擬引擎、3D大模型、AnyGrasp跨維智慧創始人賈奎表示：Sim2Real是透過物理模擬機器人操作場景，並引入各種與任務相關的真實世界的干擾（視覺的、物理的、任務描述的干擾，環境distractors等），再透過渲染、軌跡資料記錄、關節資料記錄等方式形成海量的帶絕對精確標準的合成數據，用這樣的合成數據訓練具身智慧大模型。
跨維智慧以Sim2Real為核心，持續打造底層技術核心能力。打造了獨有的DexVerse™資料與具身智慧模擬引擎，用於資料生成與大模型訓練。該引擎基於機率建模的程式化生成模擬方案與生成式AI技術相結合，解決現有技術無法合成形式多樣的高質量三維模擬資料資產、以及難以人為介入控制所導致生成不遵循現實物理約束的缺陷，實現高效零成本且更加真實可靠的模擬資料生成引擎，具備低成本獲取海量豐富數字資產的能力，為持續低成本生成資料打造了堅實的資料資產基礎。同時，結合在具身智慧多模態大模型上的長期積累，跨維智慧打造了基於3D VLA (3D Vision Language Action) 大模型的成像感知套件，從而逐階段支撐各行業趨近實現AnyGrasp/AnyManipulation，而不是針對不同的操作物件進行定製的任務程式設計。
近日，高通用性具身智慧技術研發公司「跨維智慧」完成由聯想創投領投的戰略輪融資，融資資金將主要用於產品研發、團隊擴充和市場拓展等方面。
跨維智慧成立於2021年6月，是一家以Sim2Real為核心，研發高通用性具身智慧技術的國家高新技術企業。跨維智慧憑藉在3D生成式AI、多模態大模型及三維成像方面的長期技術積累，基於Sim2Real打造軟硬一體產品矩陣，且已在多場景中實現商業化落地，是具身智慧規模化商業落地的引領者。
通用具身智慧的發展與落地路徑聯想集團高階副總裁、聯想創投集團總裁賀志強介紹：具身智慧作為AI與物理世界互動的載體，具有高度通用性和泛化性的核心特點。傳統機器人為單一或固定任務設計，泛化性較差，難以完成複雜或未知任務，並且需要大量的程式設計、示教，部署複雜、時間成本高。而具身智慧具有高通用性，可在各類場景完成複雜任務。聯想創投作為聯想集團旗下的全球科技產業基金，十年來堅持投資AI機器人領域，不僅是基於對具身智慧的信仰，也是作為聯想的CVC和科技瞭望塔的定位與使命。此次對跨維智慧的投資，也是聯想創投長期看好跨維智慧在具身智慧路徑的選擇以及商業化落地的領先性。
具身智慧宏觀地講包含“具身”與“智慧”的結合，智慧是為不同具身形態的機器人/物理智慧體服務的。這些具身形態可以包含主要應用於非結構化場景下（例如商業、家庭等）的人形機器人，也可以包含人形上肢、靈巧手，甚至是應用於各種半結構化場景下（例如工業、物流等）的傳統形態機械臂/協作臂與特種機器人，以及更廣義的無人車、無人機等。跨維智慧認為後者應該是當前具身智慧技術發展和落地的重點考慮物件。為服務於不同形態的物理智慧體，智慧技術本身也應該不同於以人為服務目標的當前的大模型技術（例如ChatGPT、Sora等服務於知識搜尋和分享，內容創作等）。
跨維智慧創始人賈奎認為：隨著操作物件、環境和任務複雜性逐漸增強，通用具身智慧將會經歷L1-L5五個階段。從半結構化場景和特定機器人形態處理特定任務，逐步升級到對任意/未知場景，以自適應的通用機器人形態，完成任意任務。
具身智慧學習需要海量的帶標註資料，而真正實現具身智慧的落地，更需要海量的高精度高質量和豐富標註型別的資料。不同於LLM/VLM等大模型的訓練，訓練具身智慧大模型的資料是與物理智慧體相關的，是在物理世界絕對座標系下的精確測量資料，在資料獲取難度、資料獲取成本、標註週期等因素都會存在多重掣肘，極大影響具身智慧落地的週期及成本。因而透過模擬獲取合成數據成為了一個必然的選擇。
跨維智慧的進階之路：自研模擬引擎、3D大模型、AnyGrasp跨維智慧創始人賈奎表示：Sim2Real是透過物理模擬機器人操作場景，並引入各種與任務相關的真實世界的干擾（視覺的、物理的、任務描述的干擾，環境distractors等），再透過渲染、軌跡資料記錄、關節資料記錄等方式形成海量的帶絕對精確標準的合成數據，用這樣的合成數據訓練具身智慧大模型。
跨維智慧以Sim2Real為核心，持續打造底層技術核心能力。打造了獨有的DexVerse™資料與具身智慧模擬引擎，用於資料生成與大模型訓練。該引擎基於機率建模的程式化生成模擬方案與生成式AI技術相結合，解決現有技術無法合成形式多樣的高質量三維模擬資料資產、以及難以人為介入控制所導致生成不遵循現實物理約束的缺陷，實現高效零成本且更加真實可靠的模擬資料生成引擎，具備低成本獲取海量豐富數字資產的能力，為持續低成本生成資料打造了堅實的資料資產基礎。同時，結合在具身智慧多模態大模型上的長期積累，跨維智慧打造了基於3D VLA (3D Vision Language Action) 大模型的成像感知套件，從而逐階段支撐各行業趨近實現AnyGrasp/AnyManipulation，而不是針對不同的操作物件進行定製的任務程式設計。
近日，高通用性具身智慧技術研發公司「跨維智慧」完成由聯想創投領投的戰略輪融資，融資資金將主要用於產品研發、團隊擴充和市場拓展等方面。
跨維智慧成立於2021年6月，是一家以Sim2Real為核心，研發高通用性具身智慧技術的國家高新技術企業。跨維智慧憑藉在3D生成式AI、多模態大模型及三維成像方面的長期技術積累，基於Sim2Real打造軟硬一體產品矩陣，且已在多場景中實現商業化落地，是具身智慧規模化商業落地的引領者。
通用具身智慧的發展與落地路徑聯想集團高階副總裁、聯想創投集團總裁賀志強介紹：具身智慧作為AI與物理世界互動的載體，具有高度通用性和泛化性的核心特點。傳統機器人為單一或固定任務設計，泛化性較差，難以完成複雜或未知任務，並且需要大量的程式設計、示教，部署複雜、時間成本高。而具身智慧具有高通用性，可在各類場景完成複雜任務。聯想創投作為聯想集團旗下的全球科技產業基金，十年來堅持投資AI機器人領域，不僅是基於對具身智慧的信仰，也是作為聯想的CVC和科技瞭望塔的定位與使命。此次對跨維智慧的投資，也是聯想創投長期看好跨維智慧在具身智慧路徑的選擇以及商業化落地的領先性。
具身智慧宏觀地講包含“具身”與“智慧”的結合，智慧是為不同具身形態的機器人/物理智慧體服務的。這些具身形態可以包含主要應用於非結構化場景下（例如商業、家庭等）的人形機器人，也可以包含人形上肢、靈巧手，甚至是應用於各種半結構化場景下（例如工業、物流等）的傳統形態機械臂/協作臂與特種機器人，以及更廣義的無人車、無人機等。跨維智慧認為後者應該是當前具身智慧技術發展和落地的重點考慮物件。為服務於不同形態的物理智慧體，智慧技術本身也應該不同於以人為服務目標的當前的大模型技術（例如ChatGPT、Sora等服務於知識搜尋和分享，內容創作等）。
跨維智慧創始人賈奎認為：隨著操作物件、環境和任務複雜性逐漸增強，通用具身智慧將會經歷L1-L5五個階段。從半結構化場景和特定機器人形態處理特定任務，逐步升級到對任意/未知場景，以自適應的通用機器人形態，完成任意任務。
具身智慧學習需要海量的帶標註資料，而真正實現具身智慧的落地，更需要海量的高精度高質量和豐富標註型別的資料。不同於LLM/VLM等大模型的訓練，訓練具身智慧大模型的資料是與物理智慧體相關的，是在物理世界絕對座標系下的精確測量資料，在資料獲取難度、資料獲取成本、標註週期等因素都會存在多重掣肘，極大影響具身智慧落地的週期及成本。因而透過模擬獲取合成數據成為了一個必然的選擇。
跨維智慧的進階之路：自研模擬引擎、3D大模型、AnyGrasp跨維智慧創始人賈奎表示：Sim2Real是透過物理模擬機器人操作場景，並引入各種與任務相關的真實世界的干擾（視覺的、物理的、任務描述的干擾，環境distractors等），再透過渲染、軌跡資料記錄、關節資料記錄等方式形成海量的帶絕對精確標準的合成數據，用這樣的合成數據訓練具身智慧大模型。
跨維智慧以Sim2Real為核心，持續打造底層技術核心能力。打造了獨有的DexVerse™資料與具身智慧模擬引擎，用於資料生成與大模型訓練。該引擎基於機率建模的程式化生成模擬方案與生成式AI技術相結合，解決現有技術無法合成形式多樣的高質量三維模擬資料資產、以及難以人為介入控制所導致生成不遵循現實物理約束的缺陷，實現高效零成本且更加真實可靠的模擬資料生成引擎，具備低成本獲取海量豐富數字資產的能力，為持續低成本生成資料打造了堅實的資料資產基礎。同時，結合在具身智慧多模態大模型上的長期積累，跨維智慧打造了基於3D VLA (3D Vision Language Action) 大模型的成像感知套件，從而逐階段支撐各行業趨近實現AnyGrasp/AnyManipulation，而不是針對不同的操作物件進行定製的任務程式設計。
