美梦空间CEO李明昊：探索物理数据从训练资源向实际操作能力转化路径

中经记者 石健 杭州报道

当具身智能走向真实作业场景，如何让机器人理解这些变化，并据此调整行动，成为高质量数据支撑模型训练与应用的一道具体课题。

第五届世界数字贸易博览会上，杭州美梦空间科技有限公司（以下简称“美梦空间”）展示具备物理感知能力的世界动作模型Physical-WAM，以及物理鲁棒性评测基准RoboTwin-Phys。美梦空间CEO李明昊在接受《中国经营报》记者采访时表示，两项成果分别围绕机器人如何利用物理信息行动、如何检验其应对物理变化的能力展开，探索物理数据从训练资源向实际操作能力转化的路径。

高质量物理数据支撑模型训练

随着机器人操作任务日益复杂，训练数据能否充分反映真实环境中的变化，直接影响模型的适应能力。物体的质量、质心、刚度以及接触面的摩擦等因素，都可能改变动作执行结果。仅从画面和动作轨迹建立关联，难以完整描述这些物理条件的作用。

在李明昊看来，真实物理交互样本的采集成本较高，物理属性的获取与表征也需要专门设计。对具身智能而言，高质量数据集建设需要关注物体与环境的属性、交互过程和执行结果之间的联系，让影响任务成败的物理信息能够被模型学习和利用。

美梦空间联合北京大学信息技术高等研究院高文院士所在的AVS先进视觉系统研究中心进行孵化，围绕机器人对物理世界的理解，公司将可观测数据与深层物理数据结合用于Physical-WAM训练：前者记录环境和交互中的表现，后者描述摩擦、质量、质心、接触状态等影响操作结果的物理信息。

李明昊表示，通过两类数据的结合，Physical-WAM将物理条件引入动作决策，为预测动作后果、调整执行策略提供依据。物理数据的应用价值，由此落实到机器人如何判断当前环境、选择动作及应对变化之中。

从感知物理变化到调整动作策略

据美梦空间介绍，Physical-WAM通过PhysLens、PhysDream和PhysAct三个模块协同，构建“感知—预测—生成—修正”的闭环。PhysLens从多模态感知信号中估计物理信息，形成统一的物理表征；PhysDream结合当前物理信息、环境状态和候选动作，推演后续变化，评估打滑、脱手等风险；PhysAct则将物理属性和预测结果用于动作生成，在条件变化时调整执行策略。

以持纸杯并注水为例，纸杯刚度较低，注水后负载增加，可能引发杯壁形变或滑脱。模型需要结合这些条件判断动作风险，调整抓握力度和接触位置，并在操作过程中持续修正策略。这个例子说明，机器人完成操作所需的信息，还包括物体在接触、受力和运动中的变化。

记者注意到，对于真实作业场景，模型的价值需要通过不同条件下的任务表现来验证。Physical-WAM的研发重点，正是让物理感知与动作后果预测共同参与策略调整，使机器人能够更好地应对环境中的变化。

以评测验证能力并推动产业协同

与模型研发配套，美梦空间联合北京大学、北京大学信息技术高等研究院和索辰科技（688507.SH）开源了RoboTwin-Phys物理鲁棒性评测基准，将物理条件变化纳入机器人操作能力的测试。

据企业介绍，该基准覆盖50个双臂操作任务、731个多样化物体，支持5种机器人形态，设置13类可控扰动，涵盖物体属性、接触属性、阻尼、任务环境及相机配置等维度，支持单因素扰动与多因素组合扰动。其中，摩擦、质量、质心等参数被转化为可控、可标记的测试变量，为可复现的对比实验提供条件。

在这套评测中，研发团队可以观察物理属性估计是否准确、条件变化后任务能否完成，并分析模型在哪些情况下仍会失效。据美梦空间介绍，Physical-WAM已开展与多种机器人模型的对比评测，在物理随机扰动条件下取得了较基线模型更高的任务成功率。

对数据开发利用而言，评测结果也为后续训练提供反馈。模型在哪些物理条件下表现不足，可以成为补充交互数据、调整训练内容的依据。由此，数据采集与模型研发能够围绕具体问题持续迭代，数据价值也有了更明确的检验方式。

2026年8月，美梦空间获得索辰科技的独家种子轮战略投资，双方围绕物理AI赋能模型训练、世界模型服务产业应用开展协同。公司将进一步探索物理数据、模型能力与真实任务的联合验证，推进与机器人本体企业及场景方的合作。

下一步，美梦空间将沿着“视觉先行，力触声递进”的路线完善多模态物理表征，扩充物理交互数据集，优化模型推理延迟与多本体适配能力，并持续推进数据、模型与评测工具建设。

“只有让机器人真正读懂物理世界，具身智能才能大规模从实验室走向真实产业场景。”李明昊表示。围绕这一目标，公司将以开源开放的方式联合产业链伙伴，推动物理数据在机器人训练和真实场景验证中发挥作用，为具身智能应用提供支撑。

（编辑：许璐 审核：李晖 校对：宛玲）