具身智能

具身智能

具身智能,从仿真走向真实世界

摩尔线程以 MUSA 统一系统架构与全功能 GPU 为算力底座,打造覆盖“仿真—训练—部署”全链路的国产化具身智能解决方案,让机器人学得更快、落地更稳。

全功能 GPU:“算渲仿”一体化算力底座

具身智能正成为 AI 进入物理世界的核心路径。从仿真中的策略学习,到真实环境中的部署运行,每一个环节都对算力提出苛刻要求。

仿真要高吞吐

物理、渲染、AI 三类计算需要协同运行,大规模并行环境才能产生足够数据

训练要大规模

VLA(视觉—语言—动作)大模型的训练依赖稳定扩展的集群算力

部署要低时延

端侧机器人需要在毫秒级闭环中同时运行多个模型

摩尔线程全功能 GPU 在单颗芯片上同时集成 AI 计算、图形渲染、物理仿真与科学计算、超高清视频编解码四大引擎,并配套自主 MUSA 软件栈与全链路工具,以“渲染+仿真+AI 训推”一体化的通用算力,成为业界少数能够同时支撑具身智能云端训练、仿真模拟与端侧部署的通用 GPU 底座。

从云到端,全栈算力布局

以全功能 GPU 底座为根基,摩尔线程依托夸娥智算集群、自研仿真平台 MT Lambda 及端侧 SoC 芯片,已经形成“云边端”协同的产品与能力布局。

云端训练

MTT S5000 智算卡 + 夸娥智算集群
支持万卡级高效互联,可扩展至十万卡规模,满足 VLA 大模型训练需求

仿真模拟

MT Lambda 平台
物理、渲染、AI 三引擎同芯协同,大规模并行仿真与合成数据生成

端侧部署

长江 SoC / MTT E300 AI 模组
集成多功能 GPU、算力高达 50 TOPS,支持多种端侧机器人关键设备上并发推理

具身智能仿真平台

MT Lambda 是摩尔线程推出的国产首个全栈具身智能仿真平台。依托自主 MUSA 架构、平台将物理、渲染、AI 三大引擎统一于单芯片协同计算,实现统一调研与数据掌控,从仿真底座服务、核心引擎、上层框架与工具、端侧打通“场景资产—并行仿真—合成数据—策略训练—仿真评测—真机部署”全链路,为具身智能从虚拟探索到真实落地提供一站式支撑。

MT Lambda-Sim
物理仿真与数据合成

面向物理仿真和数据合成,提供多物理场统一求解能力,并支持 MuJoCo-Warp-MUSA、Newton-MUSA、MT AlphaCore 等物理引擎或组件。

MT Lambda-Lab
策略训练与评估

基于业界领先的物理引擎和渲染引擎,采用主流强化学习框架和算法,支持多种任务类型,包括经典控制、机械臂操作、运动追踪和速度控制,支持宇树 G1、Go1/Go2 等多种机器人平台,为具身智能提供完整的策略训练、评估和可视化工具链。

MT Training Suite
AI 训练套件

面向生产级 AI 训练,提供训练框架、AI 框架和训练辅助工具,提供主流模型在摩尔线程全功能 GPU 上运行的高效训练方案,支持高达十万卡规模的训练过程,满足大规模计算需求。

全功能 GPU 加速具身智能仿真训练


相较于将图形渲染、物理计算和 AI 计算分配到不同设备的分立方案,全功能 GPU 将三类计算统一在同一硬件和软件架构中,并共享高速显存,有助于减少跨芯片、跨显存的数据搬运、格式转换和系统适配开销。

对于机器人“感知—物理反馈—决策执行”的高频闭环,视觉观测、物理状态和策略计算可以在统一算力底座上协同运行,降低数据传输和同步等待带来的开销,改善渲染帧与物理状态的时序对齐。

在仿真训练过程中,这种统一架构能够支撑更多并行环境同时运行,加快机器人状态更新、视觉数据生成和策略采样,使训练数据更快进入模型更新环节,并缩短“仿真采样—策略训练—仿真评测”的迭代周期。各组件通过任务配置、场景状态、观测数据、动作数据和模型 checkpoint 协同衔接,形成从场景准备、并行仿真、数据生成、策略训练到仿真评测的完整调用链路,为具身智能模型和运控策略的持续优化提供统一的计算基础。

Sim2Real:训推协同

围绕“虚实协同训练需求”,摩尔线程通过统一架构的算力平台将仿真数据生成、云端模型训练、端侧推理和真实数据回流连接起来,用于持续校准仿真策略与真实环境之间的差异。

物理域差距

针对摩擦、接触力学和刚度等物理差异,将真实机器人运行数据与仿真策略进行对照,用于校准仿真参数,并结合扰动训练和策略优化提升模型对物理变化的适应能力。

视觉域差距

针对光照、材质和传感器噪声等差异,通过高保真渲染、场景随机化和视觉增强,在多样化视觉数据中提升模型的泛化能力。

动作模型差距

针对仿真动作与真实机器人执行结果不一致,通过控制参数调整、动作约束、增量回放和真实数据再训练,逐步修正策略输出与实际执行之间的偏差。

双臂机器人实现 GPU 卡的插拔

典型应用场景

RoboEvolve 是基于 MT Lambda 平台构建的具身智能任务编排与评测工具。本案例以标准化机器人任务为入口,展示各组件如何协同完成任务配置、数据生成、策略训练和仿真评测。在真实实验中,RoboEvolve可协助用户加速完成具身智能仿真和训练全链路,通过32卡MTT S5000 运行 3 天,即可完成VLA x RoboTwin 2.0 模型训练任务。

场景与资产准备

场景与资产准备

用户从 RoboEvolve 任务集中选择目标任务,如抓取、搬运或放置,并准备机器人本体、场景、物体资产、相机和传感器。在多配置任务机器人部署页面中,拓展任务空间、启动场景和并行机器人,实现批量生成和扩展。
并行仿真与数据生成

并行仿真与数据生成

用户可选择固定场景或随机化场景,并设置背景、桌面高度、光照、物体位置和传感器噪声等参数。RoboEvolve 负责并行仿真和数据采集,调用 MT Lambda Sim 提供场景状态与视觉观测。
训练路径选择

训练路径选择

数据经过字段检查、轨迹整理和格式转换后,用户可根据任务条件选择:有真实轨迹,进行模仿学习;需要语言指令监督,使用视觉—语言—动作模型;已有仿真机器人策略,执行基础策略强化训练。

仿真评测

训练完成后,将 checkpoint 加载到标准化评测环境,并按物料、木盒、任务配置、动作空间、观测字段和碰撞设置进行评测。MT Lambda Sim 提供仿真环境,实现成功率、不同随机化条件下的执行结果、评测日志与失败样本的任务视频。
结果分析与策略迭代

结果分析与策略迭代

RoboEvolve 汇总评测结果、失败样本和任务回放,用于定位数据、模型或任务配置问题。用户可据此调整场景随机化、训练数据或策略配置,重新进入训练和评测流程,形成“数据生成—策略训练—仿真评测”的迭代闭环。

更多适用场景

足式机器人

轮式机器人

机械臂

合作案例

高质量合成数据生成

高质量合成数据生成

摩尔线程与光轮智能结合全功能GPU、夸娥智算集群及光轮“求解—测量—生成”仿真平台,共建高置信度仿真数据合成方案,支持复杂物理过程仿真和大规模高保真数据生产。

了解详情
具身大脑模型训练

具身大脑模型训练

摩尔线程联合智源研究院,基于 MTT S5000 千卡智算集群与 FlagOS-Robo 框架,完成RoboBrain 2.5 具身大脑模型的端到端训练与对齐验证。训练 Loss 走势与国际主流 GPU 结果高度一致,验证了国产算力支撑具身大模型训练的可行性。

了解详情
MuJoCo Warp MUSA 开源

MuJoCo Warp MUSA 开源

摩尔线程开源 MuJoCo Warp MUSA,为 MuJoCo 物理引擎提供 MUSA 架构原生支持,加速机器人物理仿真与强化学习训练。在四足机器人任务中,相比 CPU 方案最高实现 40 倍训练加速,并完成宇树 G1 动作跟踪训练及真机迁移验证。

了解详情

相关产品

  • AI 训练套件

    KUAE Training Suite

    面向生产级 AI 训练需求的全功能产品套件,覆盖大模型预训练和后训练全过程。

    查看详情
  • MTT E300

    端侧 AI 模组

    专为嵌入式边缘场景打造的 AI 模组,支持端云协同与轻量化部署。

    查看详情
  • MTT KUAE

    摩尔线程智算中心全栈解决方案

    基于大模型智算加速卡和 AI 大模型训推一体机,以一体化交付的方式解决大规模 GPU 算力的建设和运营管理问题。

    查看详情
  • AI 训练套件
  • MTT E300
  • MTT KUAE
phone phone
人工
客服
400-667-5666

周一至周日,9:00-21:00