在具身AI技術加速發展的當下，智能機器人正逐步從實驗室走向實際應用場景。從家庭掃地機器人到工業裝配臂，從倉儲物流搬運到醫療護理，機器人應用邊界持續拓展。尤其隨著大模型技術突破，機器人的環境理解與任務執行能力顯著提升，在復雜家庭服務、高精度工業生產中展現出巨大潛力。

然而，具身AI要實現規模化商用部署，仍需突破三大核心挑戰：

·  缺乏高性能低延時底層操作系統：現有解決方案在實時性、穩定性上存在短板，限制復雜任務執行與多機器人協同部署。

·  高質量訓練數據稀缺：傳統人工演示、遙操作數據采集效率低、成本高，難以覆蓋現實世界復雜多變場景；

·  驗證測試成本高昂：真實環境中測試機器人算法耗時久，且存在安全風險，單次失敗可能導致設備損壞、人員受傷；

針對上述行業痛點，深信科創打造國產具身AI平臺：Oasis BotStream，平臺集成機器人操作系統-Dora、仿真數據生成-3DGS、閉環評估三大核心功能。通過構建高保真虛擬仿真環境，該平臺可大幅提升數據生成效率、降低測試驗證成本，為具身AI從實驗室研究邁向產業化應用提供關鍵基礎設施支撐。

01  國產開源+高效低延時的機器人操作系統：Dora

長期以來，ROS（機器人操作系統）是機器人研發的主流工具，為開發者提供消息通信、傳感器與算法集成、機器人建模仿真等功能，助力快速搭建系統、驗證功能。但在工程化與大規模應用中，ROS存在實時性不足、通信開銷大、安全性欠缺等問題，無法滿足高性能、低延時的具身AI場景需求。

在此背景下，Dora（Dataflow Oriented Robotics Architecture，面向數據流的機器人架構）應運而生。作為Futurewei、深信科創與中科大聯合開發的下一代具身操作系統，Dora基于Rust語言構建，具備高性能、低延遲特性，核心優勢體現在以下兩方面：

1、數據流驅動設計：將機器人應用建模為“節點-邊”網絡，節點對應傳感器處理、運動控制等獨立任務，邊則定義數據流向，支持動態組合與分布式部署。開發者通過自定義配置即可調整數據流邏輯，無需修改底層代碼，系統模塊化程度高；

圖1：Dora 整體架構圖

2、零拷貝通信機制：采用基于共享內存的通信方式，消息無需多次復制即可在節點間傳遞。相比ROS，Dora通信速度提升17倍，大幅降低延遲、提升系統整體性能。

圖2：Dora 和 ROS2 的通信延時對比

深信科創基于Dora框架構建了完整的機器人操作流程，覆蓋傳感器數據采集、任務規劃到運動執行全環節。相較于傳統ROS系統，Dora顯著降低系統延時、提升實時性能，使機器人在虛擬與真實環境中均能高效完成復雜任務，驗證了其作為ROS替代方案的可行性與優越性。

teleoperate   視頻1：Dora 驅動下的機器人任務執行

完整視頻鏈接：https://blog.csdn.net/SYNKROTRON/article/details/151291860

02  基于3DGS的合成數據生成

深信科創借助3DGS（三維高斯潑濺技術） ，實現現實場景快速數字化重建——將真實環境與物體“復刻”到虛擬世界，生成“數字孿生副本”。該技術可在仿真環境中快速搭建與現實一致的場景，低成本、大規模生成多樣化訓練數據，彌補真實數據稀缺問題，助力機器人經虛擬訓練后更好適配現實環境。

在場景重建流程上，用戶僅需圍繞目標物體拍攝一圈視頻，將多角度圖像數據輸入系統，即可自動生成完整三維場景。整個過程無需手動建模、無需復雜操作，生成的虛擬場景不僅高度還原物體形狀、尺寸、紋理，還保留環境空間布局。此外，用戶可在虛擬場景中自由調整物體位置、添加新物體或進行交互操作，為機器人訓練與測試提供高真實感、高可操作性的仿真環境。

real-sim-comparision   視頻2：仿真場景和真實場景對比 （左側：真實場景，右側：仿真場景）

完整視頻鏈接：https://blog.csdn.net/SYNKROTRON/article/details/151291860

基于重建場景，系統可將一條真實采集軌跡隨機化生成多條數據——例如改變物體位置、光照條件、環境布局，進而產生大量多樣化訓練樣本。這種方式既大幅降低實際數據采集成本，又加快模型訓練迭代速度，為機器人感知與控制模型提供充足數據支撐，保障具身AI在真實環境中的落地應用。

simulation   視頻3：在仿真場景里合成更多的數據

完整視頻鏈接：https://blog.csdn.net/SYNKROTRON/article/details/151291860

03  面向具身AI的場景生成與仿真閉環測試

具身AI要實現實用化，需讓機器人“看得見、能理解、會做事、可適應”。但直接在真實場景測試機器人面臨成本高（試錯可能損壞設備）、效率低（現實測試速度慢）、風險大（不當操作存安全隱患） 三大問題，而仿真測試正是解決這些痛點的關鍵技術——在虛擬環境中無限次復現真實場景，讓機器人安全、高效學習與驗證技能。

標準化測試場景庫

深信科創構建針對抓取任務的標準化測試場景庫，覆蓋不同形狀、尺寸、擺放方式的物體，并制定統一評估標準與性能指標。如同駕照考試的固定科目，這些標準化場景為具身AI抓取算法提供可重復“考試環境”，確保模型部署到真實世界前完成基礎能力驗證，實現不同算法模型在相同條件下的公平對比。

RoboTwin   視頻4：仿真環境下測試模型在不同位置抓取不同瓶子的能力

完整視頻鏈接：https://blog.csdn.net/SYNKROTRON/article/details/151291860

無限測試場景庫

深信科創引入基于大模型的生成式場景與任務創建技術，流程分為如下三步：

·  資產生成：系統根據用戶提示詞生成場景所需的家具、工業設備、搬運物體等3D資產；

·  場景與任務組合：大模型自動編寫場景配置文件，將3D資產組合成完整虛擬環境，并生成抓取、搬運等任務目標；

·  合理性驗證：另一大模型對生成的場景與任務進行校驗，確保其合理可執行。

機器人可在這些多樣化虛擬場景與任務中開展閉環訓練和測試，持續適應復雜多變情況。這種自動出題的模式打破傳統仿真依賴人工設計場景與任務的限制，實現機器人技能學習大規模擴展，減少人工監督需求。通過在無限題庫中持續練習，機器人不僅能應對復雜現實環境，還能顯著提升模型泛化能力與訓練效率。

RoboGen   視頻5：在大模型生成的仿真場景中對算法進行測試

完整視頻鏈接：https://blog.csdn.net/SYNKROTRON/article/details/151291860

04  創新應用

應用1-廢紡再生項目：搭建智能分揀仿真與訓練平臺

廢舊紡織品循環利用是綠色產業重要方向，但核心分揀環節長期受限于高危高害環境：人工操作易被纖維堆料、機械傷害，手部受傷風險高；長期接觸纖維粉塵可能引發塵肺病、皮膚過敏，且人工分揀效率低。用機器人替代人工成為必然，但真實環境中訓練驗證機器人成本高、風險大，需依托高精度仿真平臺開展安全可控的開發工作。

針對這一需求，深信科創開發廢紡智能分揀機器人仿真平臺：

·  利用3DGS場景重建技術實現現實廢紡環境快速數字化；

·  結合閉環仿真能力模擬不同類型、狀態的布料；

·  生成高質量合成數據用于訓練驗證分揀算法，支持上萬次抓取動作測試，保障算法在不同工況下的穩定性與準確性；

·  允許開發者在虛擬環境中調整場景布局、布料屬性、操作策略，加速模型迭代優化。

該平臺實現機器人開發的安全、高效、可重復，為廢紡分揀產業化提供全面技術支撐，同時為行業節約大量人力、物力與實驗成本。

圖3：廢舊紡織品回收分揀場景

應用2-智能座艙項目：實現自動化物理測試機器人落地

隨著汽車智能化發展，智能座艙成為車企競爭核心領域。但座艙集成觸摸屏、物理按鍵、語音交互等大量功能，測試過程繁瑣且高度重復——傳統人工測試效率低，且結果受人為因素影響，一致性難以保證。

為解決這一痛點，深信科創推出智能座艙自動化測試解決方案，核心包含三部分：

·  高精度操作執行：部署六軸機器人，模擬駕駛員與乘客操作，對屏幕進行點擊、滑動、拖拽等精準操作，全面驗證觸控界面與自動駕駛系統功能；

·  多模態交互測試：結合語音合成與識別模塊，使機器人通過語音完成操作與測試，構建自然人機交互場景；

·  LLM驅動智能管理：大語言模型（LLM）解析用戶自然語言測試指令，自動識別可操作界面元素、按鍵位置并生成操作序列；機器人按指令執行操作并記錄反饋數據；測試完成后自動匯總結果，生成含操作成功率、響應時間、異常日志的結構化報告。

整套方案實現智能座艙測試從指令輸入、操作執行到結果分析的全自動閉環，大幅提升測試效率與結果一致性、可靠性。

project1   視頻6：大模型驅動的智能座艙自動測試流程

完整視頻鏈接：https://blog.csdn.net/SYNKROTRON/article/details/151291860

05  共創具身AI的未來

通過構建Dora高性能操作系統、3DGS場景重建與合成數據生成技術、大模型驅動的生成式仿真測試體系，深信科創為具身AI打造了開發、驗證、應用的完整閉環。無論是廢紡智能分揀，還是智能座艙自動化測試，Oasis BotStream 平臺均實現從虛擬到現實的高效遷移，讓機器人能安全、低成本地開展訓練與驗證，同時顯著提升任務執行的準確性與適應性。

展望未來，深信科創將持續優化仿真數據生成技術，拓展更多應用場景，推動具身AI從實驗室走向大規模落地。依托完整的軟硬件生態與閉環開發能力，機器人將更智能、更可靠地融入各行業，為工業升級、綠色循環、人機協作創造全新可能。

來源：CSDN