一. 物理AI概览

生成式AI运行于数字世界，输入输出均为文本、图像、视频等数字内容，闭环局限于信息层面。

物理AI则锚定实体世界，通过传感器感知物理环境，理解物理规律与空间关系，最终输出实体动作，完成感知、推理、规划、执行闭环。

其核心是让AI感知、理解并作用于真实物理世界，不仅看懂发生了什么，还要理解空间关系、摩擦、重力和物体状态，再把判断转化为实体动作。

二. 物理AI模型两大路线

（1）世界模型：在内部先构建一个环境模拟系统，帮助AI理解物理规律，能根据当前状态和动作预测未来变化，侧重规划和决策。

（2）VLA（视觉-语言-动作）模型：将视觉与自然语言指令直接转化为动作序列，侧重‌语义理解与动作映射。

未来趋势‌为二者融合，世界模型负责仿真、模拟、任务规划与过程监督，VLA负责具体动作执行，提升复杂任务成功率与跨本体迁移能力。

三. 物理AI四层核心链路

（1）感知层：通过多模态传感器采集环境与本体原始信号，覆盖视觉、力觉、触觉、惯性、位置等全数据维度，是数据采集的核心承载层。

（2）认知层：模型将感知信号转化为对世界的理解，识别物体属性、空间关系、物理规则，预测交互后的状态变化，构建数字孪生表征。

（3）规划层 ：VLA接收任务指令后，结合世界模型的预测结果，拆解任务步骤、规划动作序列，输出行动路径。

（4）执行层：将行动路径转化为硬件可执行的控制指令，完成具体操作并接收反馈。

四. 数采四大主流模式

数据采集是感知层上游基础环节，为模型训练与实时推理提供原始数据，是物理AI数据闭环的起点。

数采四大主流模式包括真机遥操、UMI、Ego、仿真；混合是行业共识：海量仿真数据打底，再用部分Ego、遥操产出的真实数据持续微调。

4.1 真机遥操

（1）具体方式：通过遥操台或VR设备直接操控机器人，同步采集关节力矩、机载相机、触觉传感器等全维度原生数据。

（2）优点：数据与机器人本体完全适配，动力学特征真实，数据质量最高。

（3）缺点：成本最高，硬件损耗大；绑定特定本体，跨机型迁移性弱。

4.2 UMI手持示教

（1）具体方式：操作人员持轻量化采集末端直接操作，记录末端轨迹、交互数据，无需机器人本体。

（2）优点：便携灵活，可适配居家、户外等非实验室场景，标注成本低。

（3）缺点：缺少本体关节动力学数据，存在精度限制。

4.3 Ego第一人称视角

（1）具体方式：通过头戴或穿戴式相机记录视野，主流方案为搭配Exo第三视角，通过环境固定相机记录全局空间关系，实现视角互补。

（2）优点：场景覆盖全面，数据标注体系成熟，适配VLA模型预训练。

（3）缺点：单视角存在遮挡盲区。

4.4 仿真合成

（1）具体方式：在数字孪生仿真环境中自动生成交互数据，可直接输出接触力、摩擦、碰撞等物理标签。

（2）优点：可适配任意本体，数据量无限，无硬件损耗与安全风险，边际成本趋近于零。

（3）缺点：存在Sim-to-Real鸿沟，仿真环境与真实世界在摩擦、光照、形变、接触等反馈上存在物理偏差。

五. 国内主要厂商

（1）感知硬件：奥比中光（3D视觉感知）、凌云光（机器视觉）、奥普特（机器视觉）、福莱新材（触觉数据采集手套）、柯力传感（力矩传感器）、华依科技（IMU）、敏芯股份（压力/惯性传感器）、汉威科技（柔性传感器）、安培龙（温度/压力传感器）。

（2）仿真与数字孪生：凡拓数创（数字孪生场景建模）、索辰科技（CAE仿真）、能科科技（工业数字孪生/训推平台）。

（3）服务：海天瑞声（ego数据采集标注服务）、利亚德（旗下虚拟动点拥有光学动捕技术）、长盈精密（参股天机智能，提供遥操和数采系统）、宝通科技（合资公司光轮智能推出EgoSuite-Open100K数据集）、世纪恒通（数采及标注服务）。

（4）终端：思看科技（三维视觉数字化产品）、龙旗科技（数采终端ODM）。