AI热榜 8 月 6 日，黎曼动力宣布与光轮智能、诺亦腾机器人（Noitom Robotics）达成战略合作。
围绕 Riemann-1.0 具身世界动作模型与 Matrix-Game 3.5 交互式世界模型，黎曼动力将与两家公司在高质量具身数据采集、模型训练、规模化评测、真实机器人部署与反馈优化等方向展开深度协同，推进面向 2026 年的百万小时具身智能数据建设。
此次合作标志着黎曼动力正在从单一模型能力突破，进一步走向“数据生产、模型训练、真实验证、反馈迭代”的系统化闭环建设。
未来，黎曼动力将依托 Riemann 系列具身大脑模型的真实任务表现，持续反推数据缺口，并通过多模态数据平台、评测体系和机器人部署反馈，加速通用具身智能模型的迭代演进。
从模型能力出发，建设百万小时具身数据闭环 具身智能模型要真正理解和操作物理世界，仅依赖视觉信息远远不够。
机器人不仅需要“看到”物体，还需要理解手指抓握时的力度变化、人体关节运动状态、动作在三维空间中的连续轨迹，以及人与物体、环境之间的动态交互关系。
这些涵盖人体动作、力觉反馈、环境变化与交互对象状态的高精度多模态数据，是构建下一代机器人通用大脑的重要基础。
围绕这一目标，黎曼动力计划于 2026 年底完成 100 万小时具身数据的采集与训练，持续构建覆盖数据、评测、模型迭代与真机部署的具身智能基础设施。
在与光轮智能的合作中，双方将推动 Riemann-1.0 具身世界动作模型、Matrix-Game 3.5 交互式世界模型，与光轮智能 EgoSuite 人类数据平台、RoboFinals 评测平台及 RoboStack 部署反馈平台进行适配与验证。
图：黎曼动力联合创始人李阳光与光轮智能战略与生态副总裁廉和签署战略合作协议 基于 Riemann-1.0 在移动操作、物体交互、家庭服务和长程任务中的能力表现，黎曼动力将精准提出模型训练所需的数据需求与能力缺口。
光轮智能 EgoSuite 平台将围绕相关任务组织规模化、高质量的人类行为视频及多模态数据生产，并回流至模型训练流程。
这意味着，Riemann 系列模型后续每一轮迭代，都将更直接地面向真实能力短板，而不是单纯依靠数据规模堆叠。
引入动作位姿与压力触觉数据，提升复杂操作能力 在与诺亦腾机器人的合作中，双方将重点围绕动作捕捉、人机交互、多模态行为数据采集与数据工程能力展开协同，共同建设高质量、多模态具身数据体系。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接