沐曦具身智能仿真生成系统方案

拜读维拉科技关于机器人相关信息的综合整理，涵盖企业排名、产品类型及资本市场动态：一、中国十大机器人公司（综合类）‌优必选UBTECH）‌聚焦人工智能与人形机器人研发，产品覆盖教育、娱乐及服务领域，技术处于行业前沿‌。沐曦具身智能仿真生成系统方案机器人‌中科院旗下企业，工业机器人全品类覆盖，是国产智能工厂解决方案的核心供应商‌。埃斯顿自动化‌国产工业机器人龙头，实现控制器、伺服系统、本体一体化自研，加速替代外资品牌‌。遨博机器人（AUBO）协作机器人领域领先者，主打轻量化设计，适用于3C装配、教育等柔性场景‌。埃夫特智能‌国产工业机器人上市第一股，与意大利COMAU深度合作，产品稳定性突出‌。二、细分领域机器人产品‌智能陪伴机器人‌Gowild公子小白‌：情感社交机器人，主打家庭陪伴功能‌。CANBOT爱乐优‌：专注0-12岁儿童心智发育型亲子机器人‌。仿真人机器人目前市场以服务型机器人为主，如家庭保姆机器人（售价10万-16万区间）‌，但高仿真人形机器人仍处研发阶段。水下机器人‌工业级产品多用于深海探测、管道巡检，消费级产品尚未普及。沐曦具身智能仿真生成系统方案资本市场动态‌机器人概念股龙头‌双林股份‌：特斯拉Optimus关节模组核心供应商，订单排至2026年‌。中大力德‌：国产减速器龙头，谐波减速器市占率30%‌。金力永磁‌：稀土永磁材料供应商，受益于机器人电机需求增长‌。行业趋势‌2025年人形机器人赛道融资活跃，但面临商业化落地争议，头部企业加速并购整合‌。四、其他相关机器人视频资源‌：可通过专业科技平台或企业官网（如优必选、新松）获取技术演示与应用案例。价格区间‌：服务型机器人（如保姆机器人）普遍在10万-16万元，男性机器人13万售价属高端定制产品‌。

作者：严广宇

沐曦PDE部门

1引言：什么是具身？

你有没有想过， 不再只是待在屏幕里回答问题、写代码，而是真真正正地走进现实世界，像人一样感知、决策、行动？

想象在一个智能仓库，自主规划路径，把包裹从货架上取下来打包发货。再想象一下家里的扫地机器人，未来可能不只是扫地，而是能帮你收拾房间、洗碗、开窗通风。这一系列动作的背后就是具身智能（Embodied AI），它的核心就是：让 AI 拥有身体，拥有“行动的智能”，具备理解环境、感知人类指令、完成一连串操作的能力。

具体而言，具身智能是、机器人学、认知科学的交叉领域, 主要研究如何使机器人具备类似人类的感知、规划、决策和行为能力[1]。不同于传统的纯计算智能（如语言模型或图像识别），具身智能强调“身体”与环境的感知与互动，使用物理实体来感知和建模环境, 根据任务目标和实体能力进行规划和决策, 最后使用实体的运动能力来完成任务[2]，赋予了AI在现实场景中执行任务的能力。

具身智能的应用场景极其广泛，在以下领域中都有它的身影：

：臂完成精准抓取、装配、焊接等任务，提高生产效率。

家庭服务：服务机器人实现清扫、送物、协助老人等功能，改善生活质量。

医疗辅助：手术机器人、康复机器人帮助医生完成复杂操作或患者康复训练。

探索与救援：自主机器人进入危险区域执行探测、救援任务。

教育与娱乐：教育机器人辅助教学，陪伴机器人提供情感交互。

从“脑力型AI”（如ChatGPT、Colot）走向“动手型AI”（如智能机械臂、家庭机器人），这是人工智能发展的必经之路。毕竟，真正聪明的 AI，不该只是“懂”，更应该能“做”。未来，随着硬件成本降低、进步和数据积累，具身智能将成为智能时代的核心驱动力。

图 1 具身智能可应用于多种形态的机器人

来源：https://arxiv.org/pdf/2407.06886.pdf

2具身智能研发的挑战

尽管具身智能前景广阔，但具身智能的研发仍面临诸多挑战，让机器人高效学习新技能的道路并不平坦。现实中的具身智能远比想象中更复杂，特别是在控制机械臂这样的典型任务上，哪怕是“开个门”，对研发人员来说都是“灾难三连”：

1搭建场景：在环境中搭建物理场景，定义门的物理属性、初始状态

2设计动作：精心设计如何移动机械臂，如何抓门、门往哪开

3写训练代码：编写奖励函数，调节超参数，通过强化学习方法进行大量训练调优

上面每一个环节都高度依赖人工干预，开发周期长，效率低。更麻烦的是：每训练一个新技能，就像从头造一辆车。比如你希望机器人学会“关窗”或“递杯子”，就得重写仿真环境、重新配置动作参数，甚至连训练逻辑都得重做。总结下来，具身智能的研发过程有三座大山横在前面：

高人力成本：每个新技能的开发都需要专业团队投入数周甚至数月时间，涉及仿真设计、动作规划、算法调试等多个领域。

低通用性：为特定任务设计的环境、动作和奖励函数难以复用到其他任务。

扩展性差：当任务复杂度增加（如从单一抓取到多物体协作），开发难度呈指数级上升，难以快速迭代。

所以现实中很多具身智能研究，只能聚焦于几个固定任务，很难做到快速拓展。

3使用大语言模型，打造“智能技能生成器”

近年来大语言模型（Large Language Model，LLM）以其强大的语言理解、知识推理和代码生成能力，在多个领域展现出革命性潜力[3]。面对上一节中提到的挑战，我们思考：能不能把“自然语言+通用智能”的强大能力，用在具身智能开发上？是否有可能利用AI自身的智能，自动化技能开发流程，从而大幅降低成本、提升效率？

为此，我们参考了多个使用LLM的优秀开源方案[4]，并将其与具身智能的开发流程相结合。最终我们推出了：沐曦具身智能仿真生成系统，实现从任务描述到技能学习的端到端自动化。

具体而言，我们使用具备强大语言理解与通用知识推理能力的 LLM，结合具身智能中机械臂任务的特性，设计了一系列高质量的提示词 Prompt 模板，让它能够自主生成新技能任务，理解任务需求，将自然语言任务描述转化为可执行的仿真任务，生成任务所需的全部内容，实现了机械臂技能开发流程的高度自动化。

简单来说，它有点像一个“具身任务魔法师”——你告诉它要完成什么任务，它就能自动生成整套执行方案，从场景到动作，从奖励函数到仿真环境，全都一步到位，彻底改变了具身智能技能开发的范式。

本系统能够自动完成以下任务：

上面整个过程中不再需要你手动写 MuJoCo仿真平台所需的场景XML配置、设置各种配置参数、调整代码逻辑。你只需要告诉LLM场景中有哪些可操作的物体，系统就能自动生成多个机械臂操作不同物体的任务，输出每个任务完整的训练配置，然后调用 MuJoCo 引擎启动仿真，机械臂就开始一一学习这些技能，是不是有点“AI 的魔法感”？

为了便于演示，本系统以厨房场景来展示整个的自动化执行流程，其场景如下图2所示。

图 2 厨房虚拟场景样例图

本系统整个流程可以总结为两个阶段：任务生成阶段和任务执行阶段，具体内容如图3所示。

图 3 沐曦具身智能仿真生成系统框架

3.1任务生成阶段

在任务生成阶段，本系统会通过精心设计的提示词，多次调用大语言模型，逐步生成新技能任务描述、任务对应的仿真环境配置、机械臂执行任务的操作步骤、仿真环境中物体初始配置参数等信息。每个步骤的具体作用如下：

技能任务描述生成

LLM根据场景中多个不同物体的属性信息，生成多个机械臂操作物体的任务信息描述。任务描述中包含：任务名、任务详细描述、机械臂操作的物体名称、机械臂与物体交互的关节名等。针对厨房场景，其生成的部分样例如下：

仿真环境配置生成

LLM根据生成的任务描述信息、不同物体的属性信息，生成物体在仿真环境中的多项配置信息，包括：物体名称、物体的空间位置、是否可移动等。LLM以YAML格式返回生成的配置信息。针对打开微波炉门任务，其生成样例如下：

任务操作步骤生成

LLM根据生成的任务描述信息、不同物体的属性信息、机械臂具备的元动作函数列表、可从仿真环境中获取状态信息的函数列表，生成机械臂完成该任务所需执行的一系列操作步骤。对于每个步骤，LLM需要判断该操作的类型，包括：{元动作、强化学习动作}。若为元动作，则生成机械臂执行的元动作序列，若为强化学习动作，则生成使用强化学习算法训练学习该技能所需奖励函数逻辑代码。针对打开滑动柜门任务，其生成的工作步骤样例如下：

物体初始状态生成

LLM根据生成的任务描述信息、不同物体的属性信息，生成该物体在仿真环境初始化时，各关节角度的默认值。如：开滑动柜门任务中，门的关节应初始化为关闭状态（0表示关闭，1表示开启），其生成样例如下：

3.2任务执行阶段

在任务生成阶段完成多项生成任务后，本系统即可根据LLM生成环境配置信息、操作步骤信息、关节角度值，调用MuJoCo仿真引擎构建虚拟环境，按生成步骤控制机械臂运动，执行任务并完成强化学习训练。其中，包括执行元动作，或调用强化学习算法进行训练与推理。最终系统将整个任务的操作过程通过仿真引擎渲染保存为，如下图4所示。

图4 机械臂技能学习操作演示

4和传统开发比，新方案优势是什么？

与传统手动开发相比，新方案具有以下多个突破性优势。这意味着，即便你不是机器人专家，也能用大语言模型为机械臂设计新任务；对于专业团队而言，也可以极大提升开发效率，加快原型验证，释放更多空间。

新方案具备以下技术亮点：

提示工程：我们设计了一套针对具身任务的高质量提示词模板，确保LLM生成内容的准确性和一致性。例如，提示词会引导LLM明确物体属性（如“关炉门任务，门应该处于开启状态”）和机械臂动作逻辑（如“先靠近门把手，再闭合夹爪”）。

模块化生成：系统将任务分解为环境、动作、奖励等模块，分别生成并整合，既保证了生成内容的结构化，又便于调试和复用。

与MuJoCo深度集成：系统生成的配置能直接兼容MuJoCo仿真引擎，支持高效的物理仿真和实时渲染。

端到端训练：通过生成的奖励函数和动作序列，系统支持强化学习的全流程自动化，机器人可在仿真中快速收敛到最优策略。

最重要的一点，本系统完美适配沐曦C系列产品，可在曦云C500 GPU上高效进行LLM大模型推理、以及多种强化学习算法的训练&推理。

5为什么开源？

我们希望更多人一起

创造具身智能！

虽然本系是以厨房场景机械臂操作物体为例，但参照本系统中方法，可以便捷拓展到轮式机器人、四足机器人等人形机器人，支持更复杂的多任务学习场景。例如，未来可实现“机器人自主整理房间”或“协作完成生产线装配”等高级任务。

我们相信，具身智能的未来，是“人人可用、人人可创”的智能。

为了推动具身智能领域的进步，我们已经正式开源完整的沐曦具身智能仿真生成系统方案，所有代码可用，且示例齐全，欢迎所有、研究者、爱好者尝试、改进、拓展。

开源地址

GitHub：https://github.com/MetaX-MACA/Embodied_AI_ulation

Gitee：https://gitee.com/metax-maca/Embodied_AI_Simulation

6结语

过去十年，AI 靠着“认字、听话、写代码”带来了巨大变革；而下一个十年，AI 将走出屏幕，走入工厂、家庭、医院和每一个现实场景。具身智能就是连接这两者的桥梁，它既有 AI 的大脑，也拥有对世界的“动手能力”。我们希望这套系统，能让更多人参与到具身智能的探索中来。不再困在复杂的开发流程里，不再被高门槛挡在门外！