在一汽工廠的某車間內，夸父人形機器人正執行裝箱、搬運及分揀等自動化作業任務。據悉，該車間為一汽工廠首條人形機器人自動化驗證作業產線，多臺夸父機器人在工作區域內協同作業，秩序井然，這是夸父人形科研訓練場首批驗證試點場景。

本次發布的人形科研訓練場涵蓋100W+幀具身實機數據，覆蓋六大場景，二十種常見物體，配合高性能機器人本體、主流開源模型、豐富的訓練解決方案、完善的采集工具鏈。使開發者有效降低研發門檻，專注模型算法研究，進一步提升研發效率。

▍人形科研訓練場四大基礎架構核心功能解析

樂聚人形機器人訓練場核心模塊分為訓練層、持久存儲層、數據層和設備層四個核心模塊，在訓練層中，系統利用算力GPU資源，通過Torch Cuda進行高效計算。基礎模型算法模塊包含擴散策略、act等。

持久存儲層主要負責數據集的管理，包括數據集的查詢、修改、重修和聚合，以及數據集的描述和模型超參數的存儲。數據存儲在數據儲存庫中，提供訪問接口和地址。

數據層負責數據的采集和保存，包括數據格式轉換、數據清洗和數據封裝，最終生成*.bag格式的數據包。數據采集分為遙操作采集和端側操作采集，遙操作采集在運用時進行，端側操作采集則包括集中采集、運行采集以及視覺、觸覺和關節數據的采集。

設備層包括VR動作捕捉設備，用于遙操作數據映射、ik/重定向，以及多個機器人組成的端側操作系統，負責模型編排和動作組合。此外，設備層還包含NVIDIA的GPU硬件，提供強大的計算能力支持。整個系統架構通過各層的協同工作，實現了從數據采集、模型訓練到實際應用的完整流程。

▍雙平臺x275 Tops算力 支持兩款人形采集本體

在采集本體方面，樂聚支持兩種異構機器人形態，分別為Kuavo 4pro Max全尺寸人形機器人和Kuavo LB輪臂式人形機器人。這兩種機器人形態可覆蓋多個場景，且支持多機器人平臺協同作業。同時，機器人配備夾爪或多指靈巧手，以滿足模仿學習、多任務策略訓練等研究需求。

Kuavo 4pro Max 全尺寸人形機器人

Kuavo LB 輪臂式人形機器人

為確保數據的高效處理，機器人搭載了NVIDIA Jetson AGX Orin開發套件。該套件包含Jetson AGX Orin模組，擁有高達275 TOPS的算力，運行于NVIDIA AI軟件堆棧。

配置使機器人能夠在邊緣端執行復雜計算任務，如數據處理、模型推理等，進而大大提升了數據采集和處理的效率，為后續模型訓練和算法優化提供了高質量的研究基礎。

▍100W+幀具身實機數據 涵蓋六大場景 二十種常見物體

為構建人形機器人技術開放生態，樂聚推出了行業領先的全棧開源解決方案，該方案涵蓋大規模多模態數據集、標準化訓練框架與部署工具鏈。

大規模多模態開源數據集是本次發布的人形科研訓練場的重要組成部分。此數據集聚焦于多場景人形機器人具身智能訓練，提供高精度、多模態的機器人交互數據。

數據集覆蓋了兩類機器人平臺、六種任務場景以及二十種常見物體類別，例如工具、箱體、零部件、海綿、餐盤等，包含超過1000000條真實世界的示教軌跡。

這些數據通過高精度VR遙操作系統采集，完整記錄了多視角視覺信息、本體感知狀態以及語言任務描述，可支持模仿學習、視覺語言動作模型（VLA）及世界模型訓練等多種應用場景。

雙臂稱重三視角采集數據（頭部與左右腕三視角畫面）

使用扳手擰螺絲（頭部與左右腕三視角畫面）

蔬菜抓取與放置涉及左右手協同任務（頭部與左右腕三視角畫面）

物體稱重操作（頭部與左右腕三視角畫面）

場景應用方面，科研版數據集包含了工業操作與日常任務中的多種關鍵任務場景，如掃碼識別、物品稱重、裝箱、搬運、分揀、清潔等。該數據集通過標準化流程采集多維度數據，涵蓋關節狀態數據、控制數據、左右眼廣角視覺數據、左右手局部操作數據，以及靈巧手和夾爪的狀態數據與控制數據等。

目前科研版數據集已收集超過100萬幀實機數據，為模型訓練和算法優化提供了豐富的樣本資源。

在標準化方面，該技術方案采用LeRobotDatasetV2這一標準化數據格式，同時配套提供了一系列開源的先進算法訓練框架。這些框架兼容樂聚生態下的訓練腳本，如Diffusion Policy、ACT等，且已在Kuavo系列人形機器人上完成任務驗證。

需要指出的是，方案提供的Kuavo IL機器人模仿學習框架集成了多種先進模仿學習方法。該框架支持多種數據格式轉換，以滿足不同的訓練需求，并提供靈活的模型訓練和部署方式，既支持單機訓練，也支持分布式訓練，還能在多種機器人平臺上進行模型部署。此外，部署工具鏈與數據采集系統共享統一的代碼庫，從而確保了從策略訓練到硬件部署的無縫銜接。

目前，該方案已支持桌面級的雙手操作任務，例如抓取放置、稱重、容器操作等，同時也能夠處理多物體交互、長時程任務等復雜場景。其應用范圍覆蓋家居、工業、零售等多個領域中的物品操作。開發者能夠以低成本的方式擴展訓練數據，并驗證策略的有效性，這進一步降低了人形機器人具身技術的研發門檻。

▍可進行端云協同大規模訓練

本次發布的樂聚人形科研訓練場整合了InsightOS端側操作系統與云端平臺，方便開發者進行端云協同大規模訓練。

端側操作系統InsightOS是專為通用人形機器人設計的，著重強調靈活性與泛化能力。該系統支持語義決策與現場任務自裝配，能夠為機器人的操作提供智能化支持。

云端平臺兼容包括華為云、金山云在內的多個AI算力平臺。其基于華為云八爪魚（Octopus）開發平臺構建人形機器人數據閉環，提供從數據采集、模型訓練到應用部署的全流程支持。該平臺整合了數據標注、仿真驗證等模塊，開發者無需從頭搭建復雜的具身智能開發體系，即可快速開展算法訓練，專注于模型優化與應用創新。

▍結語與未來：

本次發布的樂聚人形訓練場科研版以夸父高性能本體為基礎，結合數據采集工具鏈，涵蓋從數據訓練到模型部署的全流程，為開發者提供全棧式解決方案。該方案進一步降低了開發者的準入門檻，使普通開發者能夠更輕松地開展工作，專注于算法研發，實現真正意義上的開箱即用。樂聚表示，目前科研版操作技能庫與具身智能數據集仍在持續更新，未來訓練場將能夠適配更多落地應用場景，實現從科研到工業場景的賦能。