触达前沿智能机器人世界

首页 > 新闻中心 >

正文

穹顶DOME数据集平台：让异构机器人数据用“同一种语言”

时间：2026-07-14 09:09:36 来源：世界杯官方网页版

标准数据治理，跨本体异构适配——穹顶DOME平台打通异构机器人数据迁移部署链路

导语：

具身智能走向应用的核心瓶颈在于高质量数据。而高质量数据复用能力，是具身智能从单点示范迈向规模化应用的关键支撑，直接影响模型训练、策略迁移和部署适配效率。传统模式下，不同本体的模型训练需要重新采集数据、重新训练模型部署，造成数据利用效率低、模型复用能力弱、现场落地周期长。如何提升不同本体间的数据复用、策略迁移与部署适配能力，已成为具身智能从单点验证迈向规模化应用必须突破的关键制约。

穹顶DOME具身智能标准化数据集平台通过标准化数据治理，结合任务空间统一表达和异构本体适配策略，将源端数据沉淀为可迁移、可训练、可部署的数据资产，支撑异构机器人迁移部署。

01 核心问题：数据如何摆脱单一本体绑定

具身机器人操作数据具有强本体属性，不同机器人在关节构型、连杆尺寸、末端工作空间、运动学约束、控制频率和接口协议上存在差异。目前数据采集通常记录机器人的关节角、速度、轨迹等数据，数据往往只能服务于该本体，难以迁移到另一台机器人。因此，异构机器人迁移部署的本质，不是简单复制原始机器人动作，而是解决三个关键技术问题：

（1）如何把采集数据转化为标准化、可跨本体重复训练的数据资产；

（2）如何让模型学习任务空间策略，而非单一本体轨迹；

（3）如何输出适配为新机器人的可执行控制指令。

穹顶DOME平台围绕这三个问题，探索构建了从数据治理到异构部署的完整链路。

02 标准治理：将源端数据转化为标准化、可迁移资产

在源端数据采集阶段，获取图像、末端位姿、夹爪状态、动作序列、时间戳和TCP标定参数等多模态任务数据，在穹顶DOME平台进行数据回流治理：

平台依据《T/SAIAS·027-2025人形机器人数据集质量评价》《T/SAIAS·025-2025人形机器人数据集数据标注》等标准开展数据治理手段，建立覆盖时序采样、多模态对齐、行为语义、动力学特征、空间坐标及异常数据的统一规范，通过时间同步、坐标归一、轨迹切分、异常剔除、标签映射和质量分级，将机器人运行记录转化为结构化任务数据。重点剥离关节序列、控制指令等机型特异信息，以末端执行器、目标物体、工具坐标系和任务坐标系形成统一表达，保留通用交互语义与任务逻辑。配套自动化治理工具链，实现清洗、标注、校准、质检、脱敏和归档闭环，为跨本体训练、策略迁移和数据规模化复用提供标准化基础。

03 任务空间重参数化：构建本体无关的SE(3)动作表征

异构机器人数据迁移的核心，不是将源端关节角直接映射到目标端关节角，而是从原始轨迹中提取与机器人构型无关的任务执行意图。穹顶DOME平台基于机器人正运动学、TCP标定关系及场景坐标标定，将源端关节状态q_t统一转换为末端执行器在任务空间中的位姿T_t∈SE(3),并进一步构建相对于目标物体、工具或任务参考坐标系的增量动作：

其中，T_ref,t表示目标物体或任务参考坐标系，∆T_t^task描述当前观测条件下末端执行器应完成的相对平移与旋转，而不依赖源端机械臂的关节数量、连杆长度及安装姿态。在此基础上，穹顶DOME平台进一步对动作序列进行时间尺度归一、轨迹分段、速度参数化和夹爪事件编码，将连续操作过程组织为“接近—搬运—放置—撤离”等语义动作单元，并同步保留视觉观测、目标状态、末端位姿、夹爪状态及任务阶段标签。由此，源端数据由“某台机器人如何运动”重构为“在特定环境状态下，任务应如何执行”，形成可供不同本体共享的任务空间数据表达。

04 模型训练：视觉条件下的闭环策略学习

模型训练阶段，以标准化后的多模态观测序列为输入，包括当前视觉图像I_t、机器人任务空间状态s_t、目标条件g及历史动作窗口，学习未来短时域内的任务空间动作序列：

其中，π_θ为策略模型，H为动作预测时域。模型学习的不是单一演示轨迹的逐点复现，而是视觉状态、任务阶段与动作响应之间的条件映射关系，使策略能够根据目标位置偏差、物体姿态变化及执行状态动态调整后续动作。执行端采用滚动时域推理与闭环重规划机制，每次仅执行预测序列中的前若干步，随后重新采集视觉和机器人状态，更新动作预测，形成：多模态感知→状态估计→动作块预测→安全约束筛选→小步执行→反馈校正 以降低标定误差、执行误差和目标轻微扰动带来的累积偏差，使源端数据训练出的策略具备更好的跨本体部署稳定性。

05 约束感知异构适配：从统一策略到目标本体可执行控制

策略模型输出的是统一任务空间中的期望末端动作，而不同目标机器人在自由度配置、关节限位、工作空间、负载能力、控制周期和接口协议等方面存在明显差异。穹顶DOME平台在策略层与机器人控制层之间构建约束感知的异构本体适配模块，将统一任务意图实时重定向为目标本体的可执行控制序列。

根据目标机器人的运动学模型，将期望任务空间增量 ∆T_t^task转换为目标末端参考位姿∆T_ee,t^∗；随后通过带约束的逆运动学或优化控制求解目标关节增量：

适配过程综合考虑目标机器人的关节限位、速度限制、工作空间边界、奇异构形规避、碰撞约束和控制接口差异。因此，跨本体迁移不再是机械复制源端轨迹，而是保持上层任务策略与行为语义一致，由目标本体依据自身运动学和安全约束自主完成动作实现，避免目标端重复采数据、重新训练，为快速迁移部署提供工程支撑。

06 应用验证：源端数据采集，目标端迁移执行

本次验证以UR机械臂作为源端数据采集与策略训练平台，围绕“识别—抓取—搬运—放置—撤离”完整操作流程，设计搬箱、抓取水果等任务，采集视觉、末端位姿、夹爪状态、动作序列及时间戳等多模态数据，并通过穹顶DOME平台完成标准治理、任务空间重参数化和策略训练。在目标端，选取Realman机械臂、逐际Oli、宇树G1等异构机械臂及人形机器人进行迁移部署。

实验结果显示，基于UR端数据训练，异构机器人端能够连续完成目标识别、抓取、搬运、放置及撤离流程，整体任务成功率达到80%以上，执行表现与UR源端基本接近。结果初步验证了经穹顶DOME平台标准治理和任务空间统一表达后的操作数据，能够突破单一本体轨迹绑定，为异构机器人直接迁移部署提供数据与技术基础。

07 未来展望

通过验证，穹顶DOME平台初步打通了“源端数据采集—标准化治理—任务空间表达—策略训练—异构本体适配—目标端执行”的完整技术链路，说明机器人操作数据经过标准化处理和本体无关表达后，可由单一设备运行记录转化为具备跨本体复用价值的任务资产。平台的作用不局限于数据清洗与管理，而是进一步延伸至任务语义统一、策略资产沉淀和目标本体适配，为降低重复采集、重复标注和重复训练成本，缩短异构机器人现场部署周期提供支撑。

同时，现阶段验证仍主要面向目标物体、作业位置和环境条件相对稳定的短流程任务，尚未充分覆盖物体姿态变化、视觉遮挡、环境扰动、执行失败恢复以及长时序任务误差累积等复杂因素。未来，穹顶DOME具身智能标准化数据集平台将进一步面向多物体、多姿态、多场景干扰和长时序任务，验证策略数据泛化能力、策略鲁棒性和异构本体适配精度，推动零样本部署从单项任务验证走向多本体、多任务、多场景规模化复用。

——END——

下一条：国家主席习近平将出席2026世界人工智能大会暨人工智能全球治理高级别会议开幕式并发表主旨讲话

返回列表

穹顶DOME数据集平台：让异构机器人数据用“同一种语言”

推荐新闻

央视再聚焦！上研院赋能我国具身智能产业进入“有标可依”新阶段

人工智能继续教育基地7月开班，欢迎报名！

喜报｜我院荣膺2026年全国五一劳动奖状！ ——致敬每一位平凡而伟大的奋斗者

央视聚焦｜国家级检测平台赋能具身智能高质量发展——我院承办的2026杭州国际具身机器人场景应用大赛获广泛关注

十大优质项目集中亮相，机器人概念验证中心正式启动

上研院与睿尔曼牵手共同打造具身智能高质量标准化数据集训练场

第一届上海市机器人等数字技术专业职称申报政策宣讲会顺利召开

云上鏖战，智造未来——第十届 “创客中国”智能机器人中小企业创新创业大赛半决赛圆满收官，48强团队晋级总决赛！

国家标准《工业机器人静电安全规范》等三项标准工作启动

关于征集第十届“创客中国”智能机器人中小企业创新创业大赛评委的通知

共探高质量、发布新成果——2025人形机器人产业高质量发展论坛顺利召开

镇江市党政代表团一行赴世界杯官方网页版考察

定立场，测关节，论数据-全国人形机器人检测认证工作组2025年第二次会议于深圳顺利召开

我院承办的第十届“创客中国”智能机器人中小企业创新创业大赛新闻发布会顺利召开

福州人形机器人训练场启动并接入国家级测评平台

安全性能国际接轨启新章——工业机器人CR认证新规研讨于沪召开

政企携手谋新篇---上电科领导西南行暨卡诺普机器人全系列产品CR认证签约仪式在蓉举行