DataMesh 发布具身 AI 数据产品解决方案 DataMesh Robotics

使用“可执行工业数字孪生”训练具体人工智能：动态业务模拟+工业级综合数据+奖励配置

2026 年 1 月 15 日——DataMesh 今天宣布推出 DataMesh Robotics，这是一种具体化的 AI 数据产品解决方案。该解决方案专注于工业和设施场景，为机器人原始设备制造商和机器人应用团队提供一站式功能集，涵盖工业场景建模、物理属性和传感器模拟、逼真的视觉生成和可扩展的自动化地面实况标签。它还为具体人工智能训练中最困难的挑战之一提供实用的方法和交付规范：定义和配置工业任务的任务目标和奖励信号。

与市场上许多停留在静态 3D 可视化和数据叠加水平的“数字孪生”产品不同，DataMesh 的核心优势之一是构建具有业务模拟功能的“可执行数字孪生”。在 DataMesh 的数字孪生平台 FactVerse 上，工业世界不是静态模型，而是一个可以像自动驾驶模拟器一样“运行”的环境：对象可以移动、流程可以演化、事件可以触发、逻辑可以执行。这种动态模拟功能使 DataMesh Robotics 能够生成更能反映真实工业运营模式的训练数据，并为定义复杂工业任务的奖励提供更清晰、更稳定的基础。

DataMesh 此前已在多份智能仿真研究报告中获得 Gartner® 认可，被列为技术创新者和样本供应商。这一认可体现了DataMesh在智能仿真和空间数字孪生技术方面的持续投入和能力积累。

DataMesh Robotics 旨在与主流机器人模拟和培训生态系统兼容。它支持将工业数字孪生资产和数据导出到包括 NVIDIA Isaac Sim / Omniverse 在内的模拟和培训环境，并可以集成到企业现有的机器人研发和交付工作流程中。 DataMesh Robotics 已完成原型验证，并正在与电信运营商和数据标签提供商等企业合作伙伴合作进行试点和联合探索。

亮点一览

• 可执行的工业数字孪生（动态业务模拟）：场景不仅仅是静态模型，而是可执行且可演化的工业运行环境（可以模拟对象/流程/事件/业务逻辑）。
• 交互式工业操作逻辑：支持语义、操作级交互，例如启动/停止生产线、切换流程状态、触发异常或业务规则等，形成可执行的闭环训练环境。
• 工业级合成数据的可扩展生产：多模式数据生成+自动地面实况标记，以支持感知、导航、操作和评估。
• 还使用“不可见数据”进行训练：输出温度、压力和流程/业务逻辑状态等变量，以加强工业任务的学习和验证。
• 解决训练瓶颈的工业任务奖励设计：为具有严格安全约束、部分可观察性和强大行业语义的多步骤任务提供目标/成功条件/奖励信号设计和交付。
• 用于训练配置的低代码编辑器：在不更改底层代码的情况下配置任务目标、奖励策略、约束和训练/感知参数（例如传感器噪声、模型和算法），降低工业嵌入式人工智能训练和验证的障碍。
• 兼容主流生态和企业部署：连接Isaac Sim / Omniverse，支持本地/私有云/混合云，支持企业级治理。

为什么选择 DataMesh 机器人：工业人工智能真正缺乏的是“改变的世界”

在工业环境中，数据挑战不仅在于“收集和标记的高成本”，而且还在于工业任务经常发生在一个由过程随时间驱动并由许多事件触发的世界中。机器人不仅要学会识别物体，还要学会完成一系列受约束的动作：等待——让行——停靠——操作——验证——退出……这些任务从根本上依赖于动态环境。

市场上许多数字孪生解决方案倾向于“静态3D+实时数据叠加”作为可视化：易于查看和演示，但难以“运行”。 DataMesh 的数字孪生强调可执行性：

• 物体可以移动：设备、门/柜、托盘、车辆、人员、物流单元等都可以参与动态变化。
• 流程可以发展：制造、运营、检查、维修和维护工作流程可以根据规则推进。
• 可以触发事件：警报、工单、设备状态变化、步骤完成/失败等可以模拟。
• 可执行逻辑：业务规则和行为树（业务逻辑/行为树）驱动环境变化和任务评估。

这使得DataMesh Robotics能够在模拟中构建“运行中的工业世界”，更系统地覆盖长尾运行条件和安全约束下的复杂任务，形成从数据生成到训练和评估的闭环。

DataMesh Robotics 的作用：基于动态业务模拟的端到端训练数据和任务定义

DataMesh Robotics瞄准机器人研发的关键路径，提供组合能力栈，实现从场景到数据、从数据到训练的闭环：

工业场景建模

• 根据 CAD/BIM、设施结构、设备资产模型和现场约束构建工业级环境。
• 场景和资产的版本化管理，用于团队协作和可重复的实验。
• 使用业务模拟创建“变化的场景”：布局不仅是可见的，而且是可运行的。

动态商业模拟

• 使用业务逻辑和行为树随着时间的推移推动场景演变。
• 支持流程推进、事件触发、多角色/多对象交互。
• 支持与真实工业操作逻辑的交互，包括生产线启动/停止、流程状态转换以及异常或规则驱动事件。
• 为多步骤工业任务提供可验证且可重复的运行时环境。将工业数字孪生从“静态场景”升级到“可执行环境”是实体人工智能训练的基础设施。

物理与材料

• 定义物理属性，例如质量、摩擦力、弹性、关节和约束。
• 支持操作和接触丰富的任务：抓取、插入/组装、门/柜交互、对接等。

多模态数据生成和自动化地面实况（合成数据+地面实况）

• 生成逼真的视觉数据和多模式输出（可按项目配置）。
• 自动生成一致且可重复的地面实况标签：语义/实例分割、2D/3D 边界框、实例 ID、深度图、关键点、姿势、轨迹和场景元数据。
• 同时输出“不可见数据”：温度、压力、流程/业务逻辑状态和其他变量，以帮助模型学习更接近真实工业运营的条件和约束。

产业任务目标及奖励配置

• 在工业场景中，定义奖励目标通常比构建模拟器更困难：严格的容差、多步骤工作流程、安全约束、部分可观察性和强大的行业语义复合在一起，导致目标不明确、奖励稀疏和训练不稳定。 DataMesh Robotics 提供了一种低代码、配置驱动的方法来定义工业任务目标和奖励结构：
• 行业语义目标和成功条件定义（姿势公差、接触事件、力/扭矩阈值、工具接合、检查完成指标等）。
• 奖励塑造、终止条件和课程学习设计，以提高培训稳定性和效率。
• 奖励和场景/任务变化之间的版本化链接，用于再现性、调试和受控比较。
• 交付格式与面向目标的培训框架（配置、脚本、环境打包等）保持一致，以便更轻松地集成到现有培训管道中。

与主流模拟和培训生态系统集成

DataMesh Robotics 旨在与现代机器人堆栈协作，支持将场景、资产和数据导出到下游训练和模拟环境（包括 NVIDIA Isaac Sim / Omniverse / Cosmos / MuJoCo 等）。

首先是工业，然后是通用

DataMesh Robotics目前主要服务于：

• 机器人OEM（机器人制造商）：需要快速建立工业部署任务的数据和验证系统。
• 机器人应用/代理团队：需要针对特定​​客户站点快速迭代策略，覆盖长尾条件，提高交付稳定性。

典型方向包括工业工作站操作和组装、仓库/工厂导航和避障、设施检查和维护、危险/受限环境演练以及多机器人协作任务建模和评估。

开放试点

DataMesh Robotics 已完成原型验证，并正在与电信运营商和数据标签提供商等企业合作伙伴合作开展试点和探索性计划。接下来，DataMesh将继续扩展其工业资产库和任务模板，深化和复用动态业务模拟能力，并进一步提高跨主流模拟和培训生态系统的兼容性和可交付成果。

DataMesh首席执行官李杰表示：“随着实体人工智能进入工业环境，最大的挑战之一是训练世界必须像现实世界一样改变。我们不仅提供工业级场景和合成数据，还提供可执行的业务模拟，以便环境可以随着流程和事件而演变。在此基础上，我们明确奖励目标并运行端到端的完整训练循环。DataMesh Robotics旨在成为机器人团队的工业训练环境和数据引擎——帮助客户更快、更安全地迭代和部署，并且有更大的控制力。”

如何协作

DataMesh Robotics 现已开放与机器人 OEM 和应用团队进行试点合作和联合解决方案共同开发。联系电子邮件：robots@datamesh.com

关于数据网格

DataMesh是一家面向工业和设施管理场景的数字孪生和空间智能技术提供商。它长期以来专注于规划、监控、培训以及维修和维护等关键业务流程。 DataMesh基于DataMesh FactVerse平台，致力于通过可复制的数字能力提高一线运营效率和安全性。 DataMesh Robotics是DataMesh针对嵌入式AI时代推出的数据产品解决方案，旨在为机器人训练和评估提供工业级场景、数据和任务定义能力——构建在可执行的工业数字孪生上。

媒体联系

品牌和媒体合作伙伴：pr@datamesh.com 产品和解决方案查询：robots@datamesh.com

NVIDIA、Omniverse、Isaac 和 Cosmos 是 NVIDIA Corporation 的商标或注册商标。 DataMesh Robotics 是一个独立的解决方案，旨在实现与相关生态系统的兼容性和集成。