#Next Gen#【从仿真数据到物理世界理解，这位准博士生想为机器人构建更高效的“感知-行动”范式】

“我从小就对机器人痴迷，《钢铁侠》里的智能管家至今让我热血沸腾。”陈天行的科研初心，藏着一份未改的少年热忱。作为刚刚本科毕业于深圳大学计算机科学与技术卓越班，即将在今年 9 月开启香港大学读博生涯的 00 后学者，他正以多重身份活跃在科研与科普领域——既是 Lumina Embodied AI 社区联合创始人，是拥有超一万粉丝的小红书科普博主，也是超过 6.4k Github Stars 项目 Embodied-AI-Guide 的发起人。

在#具身智能# 研究领域，陈天行正用一系列硬核成果让曾经对于科幻的憧憬，转化为对技术的工程实现：从 RoboTwin 系列研究通过生成式技术解决了双臂机器人高质量训练数据短缺的核心难题，到 G3Flow 则攻克了 3D 操作语义表征的一致性问题，再到 Text2World 创新性地提供自然语言到可规范化世界描述的转化评测。这三项入选 CVPR 和 ACL 的研究工作，共同构建了机器人理解世界并实现精准操作的新范式。

在当下#大模型# 与#机器人# 融合的浪潮中，陈天行始终保持着“问题导向”的研究风格。他专注解决“数据高效生成”和“物理世界理解”这两个制约具身智能发展的核心瓶颈。陈天行认为，让机器人具备通用智能，既需要强大的基础模型，更离不开精准的操作落地与海量、高质量的数据方案。

他在仿真数据生成、跨场景和实例泛化等领域的突破，为实现“让机器人走进千家万户”的愿景提供了切实可行的技术路径。

戳链接查看详情：http://t.cn/A6k3RVce