涨了自有大儒辩经

🪁🪁🪁物理AI超级龙头-上纬新材更新 2610

【1】HIL-UMI：模型指导定向采集_整理桌面实验采集效率达5.63倍
——技术路径：人通过手持UMI示范，模型同步预测动作、识别薄弱环节，再指导补充数据和后训练，采集无需等待真机执行出错。
——实验结果：已展示折毛巾、整理桌面、叠方块、盖章四项任务。其中整理桌面实验的数据采集效率为真机HG-DAgger的5.63倍，最终任务完成度评分也更高。
——模型分工：Astra负责理解与规划，自研VLA负责动作执行和本体适配；目前Astra为API调用。团队强调硬件、数据、模型同步迭代，持续积累自身操作能力（做物理AI界的苹果）。

【2】数据&算力：27年争取接近百万小时_现有数千卡训练资源
——数据目标：27年希望尽可能接近百万小时数据，重点扩大场景与对象覆盖。算法人员与采集人员紧密协作，通过规则和AI辅助清洗、指导采集。
——用户回流：Q1、T1接口已考虑未来采集设备兼容，拟在用户自愿、隐私合规前提下推进“机器人养成计划”，由云端模型指导用户补充示范，相关链路仍在建设。
——研发基础：现有算力数千卡，部分使用国产卡，已跑通相关训练与大集群流程；核心团队此前具有万卡集群、约30万—40万小时数据的基模训练经验。

【3】产品落地：拟推轮式家务H系列_年底计划发布大脑初始版本
——产品进展：Q1、T1已量产，后续拟推出面向家务操作的轮式H系列，提升手臂、负载与自由度。实验室内已能执行部分长流程家务，下一步提升陌生房间泛化、成功率和作业速度。
——交付思路：优先打通一个稳定可交付的完整功能，以衣物收集、送洗、取出、晾晒或烘干、整理归位为目标，再扩展其他任务。
——发布与场景：2026年底计划推出机器人大脑初始版本，后续滚动更新、部分开源；与尚品宅配等探索“机器人友好家”，先在布局更确定的环境中训练和交付，并探索酒店等相近场景。

风险提示！公开信息整理仅供参考不构成投资建议