光轮智能亮相WRC，发布全球首个十万小时全模态人类行为开源数据集

8 月 19 日至 23 日，2026 世界机器人大会（WRC 2026）在北京北人亦创国际会展中心举行。光轮智能以“构建物理 AI 的持续学习基础设施”为主题参会，通过主论坛演讲、“数据驱动具身智能”主题论坛演讲、首发仪式和现场展位四大板块，集中呈现其在人类行为数据、物理仿真、规模化评测及真实部署反馈方面的最新进展。

机器人如何像人一样持续学习？光轮智能通过 Real2Sim2Real 基础设施，把真实世界数据、规模化评测与部署反馈连接成持续学习系统，让机器人从示范中获得经验，在可控环境中反复试错，再到真实任务中工作、纠正，并把新的经验带回新一轮学习。

【光轮智能亮相 WRC 2026，现场展示机器人持续学习基础设施】

8 月 19 日，2026 世界机器人大会正式开幕。光轮智能以“构建物理 AI 的持续学习基础设施”为主题亮相 C 馆 C121 展位，集中展示 EgoSuite、SimFoundry、RoboFinals、RoboStack 四大平台，以及国际标准共建、开放生态贡献的最新进展。

从实验室走向真实任务，机器人需要持续学习、迭代能力。这包括学习经验从哪里来、如何规模化的试错纠正、能力边界如何被准确识别，以及真机部署反馈如何回到下一轮学习。

围绕这些问题，本次大会光轮智能展位沿着“人类经验进入数据体系—真实物理约束进入仿真环境—规模化评测识别能力边界—部署反馈进入下一轮迭代”的主线，全面呈现机器人从示范学习、仿真试错、能力评测到真实部署反馈的持续学习过程。

其中，EgoSuite 人类数据平台记录和组织人类完成真实任务的过程，为模型学习任务拆解、动作技能、判断与应变提供可扩展的人类经验；

SimFoundry 物理仿真平台通过“求解—测量—生成”，构建包含接触、摩擦、形变及物体属性等真实物理约束的训练与测试环境；

RoboFinals 工业级规模化评测平台在可控条件下反复测试不同模型、本体和版本，并识别机器人的能力边界；RoboStack 部署与反馈平台连接真实任务验证，记录运行结果、异常情况和人工纠正，使现场经验能够回到后续数据生产、训练与评测。

四大平台共同组成一套 Real2Sim2Real 持续学习系统：真实任务不断提出新问题，人类数据与物理仿真补充学习经验，规模化评测定位能力缺口，部署反馈再推动数据、模型和评测体系持续迭代。

除了基础设施能力展示，光轮智能在全球物理AI标准共建方面的进展同样受到关注。

对于物理AI而言，仿真标准决定“如何学习”，数据标准决定“向谁学习”，二者共同影响机器人持续学习效率和产业发展速度。光轮智能成为参与具身仿真与数据两大国际标准共建的唯一中国企业。

在仿真领域，作为Newton 仿真技术委员会唯一中国企业成员，光轮智能与英伟达、谷歌DeepMind、 迪士尼研究院、丰田研究院四家顶尖机构共同引领下一代开源物理AI仿真标准，参与下一代物理AI 仿真基础设施的规则共建。

在数据领域，作为EgoVerse人类数据委员会唯一中国企业成员，光轮智能与 Meta、Scale AI、Mecka AI、MicroAGI、Trace Labs 等国际团队共同构建全球最大规模的人类数据训练体系，代表中国企业在具身数据侧的国际标准共建话语权。

在标准共通的语境下，光轮智能持续推进开放协同。本次大会，光轮智能发布全球首个十万小时开源人类数据集 EgoSuite-Open100k，并将于8月20日上午举行首发仪式。数据集以10 万小时第一视角人类数据为整体规模，涵盖15,000+类场景，共计15,000+种任务；以头戴第一视角为主体，部分数据增加腕部摄像头视角，并提供手部姿态、全身姿态及事件级语义标注，支持模型学习精细操作、全身协调和任务时序。首批数据将通过 Hugging Face Hub 面向学术研究与商业训练开放，实际使用反馈也将用于决定后续开放内容，并推动采集、标注和数据格式进一步统一。

具身智能中试基地的相关展示进一步呈现了光轮智能的仿真评测与现场验证之间的衔接：真实场景提出任务和约束，仿真环境扩展测试条件，RoboFinals 进行规模化评测与诊断，现场验证结果再用于校正评测方法和下一轮学习方向。

大会期间，光轮智能 C 馆 C121 展位将持续开放，欢迎各位到访。8 月 20 日，光轮智能还将围绕人类数据、仿真评测与真实部署举行首发仪式；8 月 22 日，光轮智能创始人兼 CEO 谢晨博士、联合创始人兼总裁杨海波将分别在大会主论坛和“数据驱动具身智能”主题论坛发表演讲，进一步分享机器人持续学习基础设施及具身数据标准化的最新思考与实践。

【（20日释放）光轮智能发布全球首个十万小时全模态人类行为开源数据集】

8 月 20 日上午，光轮智能在北京北人亦创国际会展中心会议中心（南）二层 S202 会议室举行首发仪式，围绕人类数据、规模化仿真评测和真实部署发布阶段性成果，并与阿尔特、五八同城、吉利、新希望、宝通等生态合作伙伴举行现场签约。

本次活动上，光轮智能发布全球首个十万小时级全模态人类行为开源数据集 EgoSuite-Open100K、 RoboFinals 中试基地仿真评测基础设施和 RoboStack 真实场景部署与反馈平台。三项发布共同指向一套具身智能持续学习系统：人类数据提供学习教材，仿真评测检验能力边界，真实部署收集失败样本与人工接管数据，再将反馈带回下一轮数据补采、模型训练和规模化评测。

【开放人类数据，共建持续学习生态】

光轮智能联合创始人兼总裁杨海波在首发仪式上介绍了 EgoSuite-Open100K 的数据构成、开放方式和后续生态建设计划。

EgoSuite-Open100K 以 10 万小时人类行为数据为整体规模，覆盖 7 大类环境、128 类场景、15,000+ 个采集场景和 15,000+ 项任务。数据采用头部与腕部双视角，提供手部与全身位姿、语义标注和深度信息，支持模型学习精细操作、全身协调、事件内容及其发生时序。

首批数据将在Hugging Face和AtomGit 同步开源，面向学术研究与商业训练使用，相关项目还将捐赠给开放原子开源基金会孵化。项目由数万人的全球采集团队持续生产，标注算法和质量检测覆盖全链路。光轮智能还将围绕开放数据、数据标准和生态协作，推动更多研究机构、模型团队、机器人企业和场景方参与共建。

杨海波指出，具身智能仍缺少同时具备高质量、多样性、大规模的数据供给。当前行业在采集口径、标注规范、数据格式和时序组织上存在差异，不同设备产生的数据难以组合复用。EgoSuite-Open100K 的开放，旨在让更多开发者以统一、可复用的数据基础开展模型研究，降低高质量具身数据的获取门槛。

在开放生态建设方面，光轮智能推出5年100亿具身智能数据共建计划，杨海波重点介绍了三项核心工作：

· 开放数据标准：统一不同采集设备的数据模态、标注、时序、格式和质量标准，让数据具备跨设备、跨任务和跨模型复用的基础；

· 评测驱动的数据闭环：从模型失败中定位数据需求，定向生成和补采数据，再通过基准评测持续检验模型提升；

· 数据与模型协同设计：共同优化仿真数据、第一视角人类数据、遥操作数据与评测数据等的组合方式。

在这一体系中，人类数据将成为机器人持续学习的“言传身教百科全书”。开放数据并非一次性发布的资源包，而是与标准、评测和模型迭代共同更新的基础设施。

【以 RoboFinals 补齐具身智能中试验证短板】

光轮智能政府及国央企业务负责人张鹏围绕“RoboFinals 中试基地仿真评测基础设施”展开介绍，讨论具身智能如何跨越从技术原型到产业应用的鸿沟。

张鹏指出，具身智能产业化需要同时回答“能不能量产、能不能干活、能不能稳定”三个问题。传统中试主要验证一台设备在给定工艺参数下能否稳定量产；具身智能面对的是由本体硬件、具身模型、传感器系统、环境条件和任务流程共同构成的不确定性系统，需要验证不同模型、本体和版本在复杂条件下的系统能力。

因此，中试评测要回答的不只是“是否完成任务”，还包括：在多大成功率下能够稳定完成，什么条件会导致性能退化，退化边界在哪里，失败原因是什么，版本迭代后性能是否回归，以及仿真环境与真实现场之间存在多大偏差。

围绕这些问题，张鹏将具身智能中试所需的评测能力归纳为四个条件：可量化、可对比、可复现、大规模。评测流程从工业需求出发，将真实产业流程和工程约束转化为评测任务，再生成可执行的仿真环境，开展标准化评测与诊断，最后把结果带回现场复核。

RoboFinals 由此补齐中试基地的验证短板。真机评测往往面临成本高、周期长、设备和场地受限以及安全风险等问题；RoboFinals 通过标准化任务定义和固定随机种子提升结果可比性，依托 SimFoundry 的物理仿真能力保持资产与场景的物理一致性，并支持大规模并行运行。评测系统记录失败模式，反向驱动数据生成和模型迭代，使评测从训练后的单一分数，转化为面向产业落地的诊断和迭代工具。

在中试场景中，RoboFinals 面向工业制造、物流仓储、电力巡检、特种作业、商业服务和医疗康养等真实业务，支持定制化工业 Benchmark、不同资产类型和任务类型、多元异构机器人、任务成功判定、过程性评测、域随机化以及大规模并发测评。其目标是把中试基地从机器人试用场，升级为具身智能产业验证入口，为机器人产业化提供评测准入依据。

【以 RoboStack 连接真实部署与反馈】

光轮智能解决方案副总裁张建伟围绕“RoboStack：构建具身智能闭环反馈学习系统”主题展开分享，并提出以 RoboStack 支撑一亿台机器人终身学习的平台愿景。

张建伟指出，具身智能产业的增量正在从单一本体制造转向规模化场景部署。机器人能在 Demo 中完成任务，只能说明能力上限；进入现场后能否稳定工作，才决定产业化的下限。当前机器人落地面临三重瓶颈：上线前训练数据不足，训练与评测的双重瓶颈，以及上线后现场失败案例和人工接管数据没有回流，学习闭环因此难以形成。

RoboStack 面向的正是部署后的真实工作过程。它连接机器人与医院、工厂、仓储等真实场景，支持多场景适配、多本体兼容、规模化部署和远程接管：不同场景可以模块化适配，轮式、人形和复合本体可以统一接入，百台级机器人集群可以统一编排和下发，现场人员也可以进行人工远程接管和即时纠正。

在持续进化方面，RoboStack 支持现场失败样本自动采集回传、回流数据驱动模型快速迭代、任务编排与运维流程自动化，以及多机状态实时监控和安全告警。部署不再是训练和评测的终点，每一次真实运行都可以为下一轮学习提供新的数据和问题。

张建伟在现场展示了 RoboStack 的典型闭环：人类示范采集数据进入模型训练，而后开始仿真评测；通过评测后进行真机部署；部署过程中收集问题样本并补采数据；新模型再在仿真中复现、复测，最终完成成功部署。以消毒供应中心的骨科器械套件整理为例，RoboStack 支持异构本体部署，包括 Dexmate 轮式机器人与夹爪、宇树 H2 与灵巧触觉手组合，展示真实任务中不同本体协同进入部署流程的方式。

RoboStack 要改变的是一次性交付模式。传统交付中，现场问题往往难以反哺训练，后续迭代依赖新一轮项目；基于光轮智能的体系化产品和技术，RoboStack 将部署、监控、反馈、数据补采、仿真复现和模型迭代连接起来，让每一次部署都反哺学习，形成越部署越强的持续进化系统。

【现场签约】

首发仪式现场，光轮智能与阿尔特、五八同城、吉利、新希望、宝通等生态合作伙伴举行签约仪式。合作伙伴覆盖汽车、生活服务、工业、农业及其他产业场景，各方将围绕真实场景部署、数据采集、机器人本体、模型、算力和集成服务等环节开展后续协作。

光轮智能表示，开放数据、统一评测和真实部署反馈需要场景方、模型团队、本体厂商、算力伙伴和集成服务商共同参与。场景方提供真实任务和工程约束，平台连接数据、仿真、评测与部署，现场反馈再推动下一轮数据和模型更新，才能让具身智能从单次演示进入长期运行。

【结语】

从全球首个十万小时全模态人类行为开源数据集EgoSuite-Open100k，到面向中试验证的仿真评测平台RoboFinals，再到支持规模化落地与反馈学习的部署平台RoboStack，光轮智能持续完善物理AI数据与评测基础设施，为具身智能从实验室走向产业应用提供系统化、全链路的底层支撑。

未来，光轮智能推动全行业共建开放、协同、繁荣的产业生态，以高质量标准引领行业发展，以基础设施能力支撑机器人持续学习、让人类生活更加美好。

欢迎关注【华商韬略】，识风云人物，读韬略传奇。