黎曼动力携手光轮智能与诺亦腾机器人，剑指2026年百万小时具身智能数据建设

8月6日，动力黎曼动力宣布与光轮智能、携手诺亦腾机器人(Noitom Robotics)达成战略合作。光轮围绕 Riemann-1.0具身世界动作模型与 Matrix-Game3.5交互式世界模型，诺亦年百能数黎曼动力将与两家公司在优质具身数据采集、腾机模型训练、器人规模化评测、剑指据建真实机器人部署与反馈改进等方向展开深度协同，时具身智设推进照章性2026年的动力百万小时具身智能数据建设。此次合作标志着黎曼动力正在从单一模型能力突破，携手进一步走向“数据生产、光轮模型训练、诺亦年百能数真实验明正身、腾机反馈往往代”的器人系统化闭环建设。未来，剑指据建黎曼动力将依托 Riemann系列具身大脑模型的真实任务谝，持续反推数据缺口，并通过多模态数据平台、评测体系和机器人部署反馈，加高效通用具身智能模型的往往代演进。从模型能力出发，建设百万小时具身数据闭环具身智能模型关键真正理解和操作物理世界，仅依赖视觉材料远远不够。机器人不仅需“看到”物体，还需理解手指抓握时的力度变化、人体关节运动状态、动作在三维空间中的后续轨迹，以及人与物体、环境之间的动态交互关系。这些涵盖人体动作、力觉反馈、环境变化与交互对象状态的高精度多模态数据，是构建下一代机器人通用大脑的题基础。围绕这一目的，黎曼动力方式划于2026年底实现100万小时具身数据的采集与训练，持续构建覆盖数据、评测、模型往往代与真机部署的具身智能基础设施。在与光轮智能的合作中，双方将促进 Riemann-1.0具身世界动作模型、Matrix-Game3.5交互式世界模型，与光轮智能 EgoSuite人类数据平台、RoboFinals评测平台及 RoboStack部署反馈平台开展适用配与验明正身。基于 Riemann-1.0在移动操作、物体交互、家庭服务和首先程任务中的能力谝，黎曼动力将精准提出模型训练所需的数据需与能力缺口。光轮智能 EgoSuite平台将围绕相关任务组织规模化、优质的人类表现视往往及多模态数据生产，并回流至模型训练步骤。这意味着，Riemann系列模型之后每一轮往往代，都将更直接地照章性真实能力短板，而不是单纯依靠数据规模堆叠。引入动作位姿与压力触觉数据，提高复杂操作能力在与诺亦腾机器人的合作中，双方将题围绕动作捕捉、人机交互、多模态表现数据采集与数据工程能力展开协同，共同建设优质、多模态具身数据体系。诺亦腾机器人在人体动作捕捉、力反馈采集与多模态表现数据获取部分具有首先期技术积往往。此次合作将为Riemann-1.0在首先尾任务、复杂操作、精细力控与跨本体泛化等方向的能力提高给予题数据支撑。未来，双方将共同采集涵盖人体动作轨迹、关节运动状态、接触力觉反馈、交互对象状态等材料的训练数据，并题处理多模态数据在时间与空间上的高精度同步状况。黎曼动力将结合模型训练成效与真实机器人验明正身结荚，对数据采集、处理步骤和质量评估体系开展动态改进，使数据能够持续服务于模型能力提高，也让模型在真实任务中的谝反向促进数据体系演进。Riemann-1.0与 Matrix-Game3.5双线推进Riemann-1.0是黎曼动力照章性 Physical AI推出的具身世界动作模型。该模型通过学习大规模人类视往往数据，建立对人类表现、环境状态变化与动作结荚的理解，并已在多个国际机器人 Benchmark与真实机器人任务中取得领先谝。在机器人圈公认极难的家务大考RoboCasa-365基准测试中，Riemann-1.0以62.6%的平均成功率拿下首先，比之前行业领跑水平高出8.4个百分点。Matrix-Game3.5则照章性交互式世界模型，致力于构建具有首先期记忆、持续交互与开放世界模拟能力的新一代世界模型系统。通过与光轮智能、诺亦腾机器人等生态伙伴的合作，黎曼动力将进一步改进从模型评测、数据建设到真实场景落地的闭环，加高效世界模型在具身智能场景中的采取验明正身。黎曼动力联合创始人李明确光表示：“机器人操作模型关键真正进入复杂、开放的真实环境，需持续获得优质、丰富化同时能够验明正身的数据。通过与光轮智能、诺亦腾机器人的合作，我们希望让模型能力需更直接地参与数据体系建设，并通过真实部署反馈持续促进模型往往代。”随着百万小时具身数据建设的推进，黎曼动力将后续围绕世界模型、本体设方式、运动控制、评测体系与真实场景数据闭环展开系统布局，促进机器人从感知理解走向首先期、稳固、可泛化的真实世界交互。关于黎曼动力黎曼动力(Riemann Dynamics，全称北京黎曼动力机器人科技有限公司)专注于具身智能与Physical AI，致力于打造照章性真实世界的下一代机器人通用大脑。基于Matrix-Game世界模型技术体系，我们构建了融合世界理解、未来预测与动作决策的统一智能框架，让机器人能够持续理解环境、自主规划并实现复杂操作。围绕家庭服务、移动操作等题场景，我们已积往往数十万小时优质人类与机器人数据，持续推进世界模型、本体设方式、运动控制与真实场景数据闭环的融合，促进机器人从感知理解走向首先期、稳固、可泛化的真实世界交互。【编辑:何颖】