在具身AI技术加速发展的当下，智能机器人正逐步从实验室走向实际应用场景。从家庭扫地机器人到工业装配臂，从仓储物流搬运到医疗护理，机器人应用边界持续拓展。尤其随着大模型技术突破，机器人的环境理解与任务执行能力显著提升，在复杂家庭服务、高精度工业生产中展现出巨大潜力。

然而，具身AI要实现规模化商用部署，仍需突破三大核心挑战：

1. 缺乏高性能低延时底层操作系统：现有解决方案在实时性、稳定性上存在短板，限制复杂任务执行与多机器人协同部署。
2. 高质量训练数据稀缺：传统人工演示、遥操作数据采集效率低、成本高，难以覆盖现实世界复杂多变场景；
3. 验证测试成本高昂：真实环境中测试机器人算法耗时久，且存在安全风险，单次失败可能导致设备损坏、人员受伤；

针对上述行业痛点，深信科创打造国产具身AI平台：Oasis BotStream，平台集成机器人操作系统-Dora、仿真数据生成-3DGS、闭环评估三大核心功能。通过构建高保真虚拟仿真环境，该平台可大幅提升数据生成效率、降低测试验证成本，为具身AI从实验室研究迈向产业化应用提供关键基础设施支撑。

01

国产开源+高效低延时的机器人操作系统：Dora

长期以来，ROS（机器人操作系统）是机器人研发的主流工具，为开发者提供消息通信、传感器与算法集成、机器人建模仿真等功能，助力快速搭建系统、验证功能。但在工程化与大规模应用中，ROS存在实时性不足、通信开销大、安全性欠缺等问题，无法满足高性能、低延时的具身AI场景需求。

在此背景下，Dora（Dataflow Oriented Robotics Architecture，面向数据流的机器人架构）应运而生。作为Futurewei、深信科创与中科大联合开发的下一代具身操作系统，Dora基于Rust语言构建，具备高性能、低延迟特性，核心优势体现在以下两方面：

深信科创基于Dora框架构建了完整的机器人操作流程，覆盖传感器数据采集、任务规划到运动执行全环节。相较于传统ROS系统，Dora显著降低系统延时、提升实时性能，使机器人在虚拟与真实环境中均能高效完成复杂任务，验证了其作为ROS替代方案的可行性与优越性。

02

基于3DGS的合成数据生成

深信科创借助3DGS（三维高斯泼溅技术） ，实现现实场景快速数字化重建——将真实环境与物体“复刻”到虚拟世界，生成“数字孪生副本”。该技术可在仿真环境中快速搭建与现实一致的场景，低成本、大规模生成多样化训练数据，弥补真实数据稀缺问题，助力机器人经虚拟训练后更好适配现实环境。

在场景重建流程上，用户仅需围绕目标物体拍摄一圈视频，将多角度图像数据输入系统，即可自动生成完整三维场景。整个过程无需手动建模、无需复杂操作，生成的虚拟场景不仅高度还原物体形状、尺寸、纹理，还保留环境空间布局。此外，用户可在虚拟场景中自由调整物体位置、添加新物体或进行交互操作，为机器人训练与测试提供高真实感、高可操作性的仿真环境。

视频2：仿真场景和真实场景对比

（左侧：真实场景，右侧：仿真场景）

基于重建场景，系统可将一条真实采集轨迹随机化生成多条数据——例如改变物体位置、光照条件、环境布局，进而产生大量多样化训练样本。这种方式既大幅降低实际数据采集成本，又加快模型训练迭代速度，为机器人感知与控制模型提供充足数据支撑，保障具身AI在真实环境中的落地应用。

视频3：在仿真场景里合成更多的数据

03

面向具身AI的场景生成与仿真闭环测试

具身AI要实现实用化，需让机器人“看得见、能理解、会做事、可适应”。但直接在真实场景测试机器人面临成本高（试错可能损坏设备）、效率低（现实测试速度慢）、风险大（不当操作存安全隐患） 三大问题，而仿真测试正是解决这些痛点的关键技术——在虚拟环境中无限次复现真实场景，让机器人安全、高效学习与验证技能。

标准化测试场景库

深信科创构建针对抓取任务的标准化测试场景库，覆盖不同形状、尺寸、摆放方式的物体，并制定统一评估标准与性能指标。如同驾照考试的固定科目，这些标准化场景为具身AI抓取算法提供可重复“考试环境”，确保模型部署到真实世界前完成基础能力验证，实现不同算法模型在相同条件下的公平对比。

视频4：仿真环境下测试模型在不同位置抓取不同瓶子的能力

无限测试场景库

深信科创引入基于大模型的生成式场景与任务创建技术，流程分为如下三步：

1. 资产生成：系统根据用户提示词生成场景所需的家具、工业设备、搬运物体等3D资产；

2. 场景与任务组合：大模型自动编写场景配置文件，将3D资产组合成完整虚拟环境，并生成抓取、搬运等任务目标；

3. 合理性验证：另一大模型对生成的场景与任务进行校验，确保其合理可执行。

机器人可在这些多样化虚拟场景与任务中开展闭环训练和测试，持续适应复杂多变情况。这种自动出题的模式打破传统仿真依赖人工设计场景与任务的限制，实现机器人技能学习大规模扩展，减少人工监督需求。通过在无限题库中持续练习，机器人不仅能应对复杂现实环境，还能显著提升模型泛化能力与训练效率。

视频5：在大模型生成的仿真场景中对算法进行测试

04

创新应用

应用1-废纺再生项目：搭建智能分拣仿真与训练平台

废旧纺织品循环利用是绿色产业重要方向，但核心分拣环节长期受限于高危高害环境：人工操作易被纤维堆料、机械伤害，手部受伤风险高；长期接触纤维粉尘可能引发尘肺病、皮肤过敏，且人工分拣效率低。用机器人替代人工成为必然，但真实环境中训练验证机器人成本高、风险大，需依托高精度仿真平台开展安全可控的开发工作。

针对这一需求，深信科创开发废纺智能分拣机器人仿真平台：

• 利用3DGS场景重建技术实现现实废纺环境快速数字化；

• 结合闭环仿真能力模拟不同类型、状态的布料；

• 生成高质量合成数据用于训练验证分拣算法，支持上万次抓取动作测试，保障算法在不同工况下的稳定性与准确性；

• 允许开发者在虚拟环境中调整场景布局、布料属性、操作策略，加速模型迭代优化。

该平台实现机器人开发的安全、高效、可重复，为废纺分拣产业化提供全面技术支撑，同时为行业节约大量人力、物力与实验成本。

图3：废旧纺织品回收分拣场景

应用2-智能座舱项目：实现自动化物理测试机器人落地

随着汽车智能化发展，智能座舱成为车企竞争核心领域。但座舱集成触摸屏、物理按键、语音交互等大量功能，测试过程繁琐且高度重复——传统人工测试效率低，且结果受人为因素影响，一致性难以保证。

为解决这一痛点，深信科创推出智能座舱自动化测试解决方案，核心包含三部分：

1. 高精度操作执行：部署六轴机器人，模拟驾驶员与乘客操作，对屏幕进行点击、滑动、拖拽等精准操作，全面验证触控界面与自动驾驶系统功能；
2. 多模态交互测试：结合语音合成与识别模块，使机器人通过语音完成操作与测试，构建自然人机交互场景；
3. LLM驱动智能管理：大语言模型（LLM）解析用户自然语言测试指令，自动识别可操作界面元素、按键位置并生成操作序列；机器人按指令执行操作并记录反馈数据；测试完成后自动汇总结果，生成含操作成功率、响应时间、异常日志的结构化报告。

整套方案实现智能座舱测试从指令输入、操作执行到结果分析的全自动闭环，大幅提升测试效率与结果一致性、可靠性。

视频6：大模型驱动的智能座舱自动测试流程

05

共创具身AI的未来

通过构建Dora高性能操作系统、3DGS场景重建与合成数据生成技术、大模型驱动的生成式仿真测试体系，深信科创为具身AI打造了开发、验证、应用的完整闭环。无论是废纺智能分拣，还是智能座舱自动化测试，Oasis BotStream 平台均实现从虚拟到现实的高效迁移，让机器人能安全、低成本地开展训练与验证，同时显著提升任务执行的准确性与适应性。

展望未来，深信科创将持续优化仿真数据生成技术，拓展更多应用场景，推动具身AI从实验室走向大规模落地。依托完整的软硬件生态与闭环开发能力，机器人将更智能、更可靠地融入各行业，为工业升级、绿色循环、人机协作创造全新可能。

公司介绍：

深信科创是由图灵奖得主姚期智院士孵化的国家高新技术企业，专注于为自动驾驶、具身智能及工业智能领域提供数据闭环工具链。公司自主研发的OASIS产品系列，覆盖从数据采集、回灌、场景重建、到数据合成的全流程，有效助力客户提升研发效率、降低训练与测试成本，加速智能技术落地。目前，公司已服务包括长安、吉利等车企，中广核、山东港等工业企业，以及清华、北航、同济等多所高校。作为CARLA开源仿真平台三大理事单位之一（与英伟达、丰田并列），深信科创牵头及参与国际、国家及行业团体标准20余项，持续推动自动驾驶合规发展。近年来，公司与Futurewei合作推出新一代机器人操作系统Dora，开源后迅速获得国际AI社区关注，并成功应用于Hugging Face的LeRobot平台，替代原有ROS/ROS2系统。同期，公司发布的基于Dora的人形轮式机器人Oasis Bot成为首个“全国产”替代方案。公司始终以“链接数字世界与物理世界的桥梁”为愿景，致力于通过创新技术推动智能系统可靠、高效发展。