随着人工智能技术的飞速发展，具身智能逐步走进现实，成为当前全球人工智能领域的前沿热点，也将是下一个AI浪潮。
近期，在2024中国人形机器人开发者大会暨第三届张江机器人全球生态峰会上，香港中文大学（深圳）教授、跨维智能创始人贾奎在具身智能赋能机器人专题论坛发表主题演讲。演讲中，贾奎教授类比自动驾驶提出了高通用性具身智能L1-L5的五个发展阶段，逐步实现从半结构化场景到非结构化场景的通用性落地。
同时，跨维智能正式对外发布了基于3D生成式AI的Sim2Real具身智能引擎DexVerse™ 。贾奎在演讲中深度剖析了如何通过Sim2Real技术高效解决机器人面对复杂任务时的数据挑战，以推动人形机器人通用性发展。
香港中文大学（深圳）教授、跨维智能创始人贾奎发表主题演讲
Sim2Real——解决高通用性具身智能数据需求的最高效路径
贾奎教授认为，要实现高通用性的具身智能，核心是需要海量的带有物理世界属性的数据。有别于语言、图像等可以从网络上大量获取以形成通用能力的数据，三维数据，尤其是机器人在物理空间中的操作数据，需要经过精确标定，且采集过程中存在难度大、周期长、成本高等问题。因此，通过基于3D生成式AI的Sim2Real仿真成为解决高通用性具身智能数据需求的高效路径之一。
而基于Sim2Real AI实现高通用性具身智能的门槛极高，至少需要具备底层可控的具身属性物理仿真、高效大模型训练与持续学习、有效应对合成与真实数据域差别、低成本海量数字资产等能力，才能实现Sim2Real方式的真正落地。
从Sim2Real技术路线到DexVerse™具身智能引擎
贾奎教授表示，基于在Sim2Real具身智能领域拥有的深厚技术和产品积累，跨维智能已构建起一套完整的底层技术到产品再到业务的逻辑框架。其中自主研发的DexVerse™具身智能引擎，通过3D生成式AI与仿真技术，模拟真实世界中的丰富场景和任务，有效解决了传统方法中三维数据获取难、标定要求高的问题，能够支持大规模仿真，并可自动化完成从数据标注到模型训练的全过程。这一过程不仅可以加速了数据生成，还能确保模型的鲁棒性和泛化能力。
贾奎在会上讲解具身智能引擎DexVerse™
依托具身智能引擎DexVerse™，跨维智能软硬芯系列产品实现商业化落地
基于自研的DexVerse™具身智能引擎，跨维智能形成软硬芯一体化的完整产品组合，作为产业链上游，赋能具身智能中下游企业。
跨维智能软硬一体产品系列，已经在汽车、家电、工业、物流等30+行业的半结构化场景中批量应用，在毫米级精度的抓取/操作任务下，其成功率超过99.9%。同时，跨维智能也正在将产品稳步落地于医疗、商业等更多半结构化及非结构化场景中。
展望未来，跨维智能积极开放DexVerse™生态，诚邀更多合作伙伴加入，共同推动高通用性具身智能技术的发展落地。
