UNITAS: A 3D-Native World Action Model for Embodied Manipulation
首个原生3D世界动作模型，将观测、动作和场景动力学统一到共享的3D物理空间，以3D点轨迹作为物理AI可泛化的统一表征“语言”。
milestone
通往 Physical AGI 的里程碑之路
我们相信，通往 Physical AGI 的关键，不只是更大的模型，更关键的是如何高效地获取、生成和放大物理世界中的高价值经验。
实现 Physical AGI 的终局，要求智能从数字世界迈向三维物理世界，完成从感知到未来动态建模、因果推理、行动与真实反馈学习的闭环。
跨维智能围绕真实数据规模化、生成式数据规模化、世界模型驱动的未来动态学习，持续搭建 Physical AI 的关键技术阶梯。
通过 Dexterity-BEV、 EmbodiChain 和 DexWorldModel ，我们正将物理交互经验转化为可训练、可迁移、可部署的智能资产。
Dexterity-BEV: Scaling up Dexterous Manipulation Learning with BEV Alignment
用统一的三维时空表征对齐异构机器人数据，为具身学习建立通向 Physical AGI 的共同“数据度量衡”。
DexWorldModel: Causal Latent World Modeling towards Automated Learning of Embodied Tasks
让智能从感知当前走向推演未来，在因果隐空间中学习物理动态与任务演化，迈向真正面向行动决策的世界模型。
EmbodiChain
把真实数据、生成式仿真、模型训练与部署反馈连接成闭环，让物理经验以更高效率持续积累、放大与迁移。
DexVerse® 仿真引擎
实时计算机器人、物体之间的碰撞、接触、形变与流体运动，还原真实世界中的复杂物理交互。 让机器人能够先在高保真虚拟世界中学习和训练，再将能力迁移到现实。
爆米花铲取｜Sim-to-Real
机器人根据爆米花堆积和环境状态持续调整操作，在仿真与真实场景中完成连续铲取。 展示复杂非结构化任务中的状态理解与 Sim-to-Real 能力。
取书递送｜Sim-to-Real
机器人根据书籍的位置与状态自主完成抓取、取出和递送，并支持连续重复作业。 结合仿真训练与真机迁移，将虚拟环境中学习的能力复用到真实场景。
生成式仿真
自动生成不同场景、物体组合和机器人任务，规模化生产具身智能训练数据。 让机器人训练数据像图片和视频一样，可以自动生成、批量生成、持续生成。
仿真VR遥操｜积木操作
通过VR控制机器人完成积木抓取、对准与放置。 实时模拟精细操作中的碰撞、接触与空间配准。
仿真VR遥操｜爆米花铲取
通过VR遥操机器人处理大量自由运动的爆米花颗粒。 实时模拟铲取过程中的堆积、挤压、滑落与碰撞。
仿真VR遥操｜多米诺骨牌
机器人推动首块骨牌，触发大规模连续碰撞和动态连锁反应。 展示仿真引擎对刚体碰撞、摩擦与连锁物理反应的实时计算能力。
开源数据集
Dexterity-BEV Dataset
3D空间统一对齐多模态融合数据集
具身智能训练底层基座数据
数据体量200TB
海量规模化具身交互数据库，涵盖丰富场景采样，满足具身模型预训练、微调、强化学习全阶段数据供给
3D 空间坐标对齐
基于 Dexterity-BEV 范式构建的跨本体数据集，将多来源、多视角、多本体的具身操作数据对齐到统一的 3D 空间与动作表达中
多源异构数据
覆盖多种异构数据生产范式，系统性汇集了来自真机遥操、仿真合成、人类示教的大规模源数据
竞赛成果&原创成果
ICRA WBCD 一举夺魁!
跨维智能问鼎全球顶尖机器人赛事，荣获首届 ICRA WBCD 双臂机器人挑战赛冠军！
