更新时间:2026-06-30 GMT+08:00
分享

什么是CloudRobo

具身智能开发平台(Embodied AI Development Platform,简称CloudRobo)是面向开发者打造的一站式具身智能开发平台,覆盖具身智能开发全流程,提供资产管理、数据处理、模型训练、模型部署、模型评测及真机调测等能力。开发者通过CloudRobo可完成从数据准备到真机调测的端到端开发,实现具身智能应用的高效构建与迭代。

CloudRobo底层支持异构计算资源,开发者可根据实际需求灵活配置CPU、GPU、NPU等算力资源,无需关注复杂的底层技术细节,从而降低开发门槛,提升开发效率。具身智能开发平台CloudRobo可帮助开发者高效完成模型开发与部署,加速机器人智能化进程,进一步拓展机器人在家居、工业等场景中的应用范围,并提升作业效率。

产品架构

CloudRobo云服务产品架构请参考图1。通过与其他服务配合,CloudRobo可以实现资产管理、数据处理、模型训练、模型部署、模型评测及真机调测等功能。

  • 具身广场是具身智能数据资产、模型资产、仿真资产等优质资产的集合地。具身广场预置数据、感知模型、规划模型、操作模型、导航模型、三方开源模型、仿真场景等资产,可以通过具身广场提供的资产一站式完成模型训练全流程。CloudRobo开发者也可以将自己的资产发布到这里,提供给更多的开发者使用,共同促进具身智能生态的发展。
  • 工作空间为开发者提供数据准备、模型开发与训练、仿真调试、模型评测、模型部署和机器人接入的一体化开发环境,支持资源调度、任务管理与协同开发。
  • 工作空间内提供空间资产视图,用于展示当前工作空间内正在使用或生成中的资产,包括临时数据、中间结果、模型权重、仿真结果、算法包和部署包等,帮助开发者追踪开发过程。
  • 资源管理用于统一管理平台内的异构算力资源,统一纳管平台中的CPU、GPU、NPU、边缘节点等计算资源,为数据处理、模型训练、仿真运行、模型推理和机器人调度提供算力支撑。
  • 资源池管理用于将平台算力按用途、性能或组织进行分组管理,例如数据处理资源池、训练资源池、仿真资源池、推理资源池和边缘资源池。
  • 配额管理用于为组织、项目或用户分配和限制可使用的资源额度,将配额关联到工作空间以实现配额的分配,避免资源被单个任务或团队过度占用。
图1 CloudRobo产品架构

产品优势

CloudRobo面向具身智能模型开发场景,提供从数据管理、模型训练、仿真验证、资产沉淀到部署运行的一体化平台能力。通过统一的工作空间、资产中心和资源管理体系,打通研发全流程,提升开发效率、资源利用率和成果复用能力。CloudRobo的核心优势包括:

  • 一体化开发环境

    支持数据处理、训练、仿真、评测、部署等流程在统一平台内完成,减少工具切换成本。

  • 资产全生命周期管理

    统一管理数据、模型、仿真场景、机器人配置和过程态资产,支持版本管理、血缘追踪与复用。

  • 灵活的算力资源调度

    通过资源池、配额管理机制,实现CPU、GPU、NPU等算力资源的高效分配。

  • 过程态资产可追踪

    在工作空间内展示开发过程中产生的中间数据、模型、日志和仿真结果,方便调试、沉淀和发布。

  • 支持机器人闭环开发

    连接仿真、真实机器人和回流数据,支持从训练验证到部署运行的持续优化。

  • 提升团队协作效率

    支持多项目、多用户协同开发,统一权限、任务、资源和资产管理,保障研发过程规范可控。

  • 基于昇腾的具身智能模型生态

    预置主流开源模型的昇腾适配版本,构建开源模型+自研模型+生态模型的丰富模型生态。

应用场景

CloudRobo面向具身智能开发团队,提供覆盖数据采集、资产管理、模型训练、仿真验证、资源调度、部署运行与持续优化的一体化平台能力,通过统一平台化能力,帮助团队提升研发效率、降低协作成本、加强资源管控,并实现算法和模型的持续迭代优化,适用于具身智能、机器人算法、工业智能等复杂研发场景。

  • 具身算法研发场景

    在机器人感知、规划、控制、操作等算法开发过程中,开发团队需要频繁使用数据集、模型、仿真场景和真实机器人回流数据。该场景适用于机械臂、移动机器人、双足机器人、人形机器人等算法开发。

  • 具身智能模型训练场景

    针对大规模具身智能模型训练,平台可统一管理训练数据、模型版本和算力资源,支持多任务并行研发。通过该场景,团队能够提升模型训练效率,降低重复实验和资源浪费。

  • 仿真验证与评测场景

    具身算法和模型在真实环境部署前,需要在仿真环境中完成安全性、稳定性和性能验证。用户可基于不同场景批量发起仿真任务,对模型的成功率、碰撞率、耗时、稳定性等指标进行评估,并将评测结果与模型版本关联,形成可追溯的验证链路。

  • 数据闭环优化场景

    机器人在真实运行过程中会持续产生传感器数据、运行日志、失败案例和任务结果。平台可将这些数据回流至工作空间,用于后续分析和模型优化。

  • 多团队协同研发场景

    在大型具身智能开发项目中,通常涉及算法、仿真、数据、平台、测试和运维等多个团队协作。不同团队可以在各自空间内进行研发,同时共享经过审核的正式资产,避免数据、模型和仿真文件分散管理,提高协同效率和研发规范性。

  • 资产沉淀与复用场景

    在长期研发过程中,团队会不断产生数据集、模型、仿真场景、机器人配置、评测结果等资产。如果缺少统一管理,容易造成资产重复建设、版本混乱和难以复用。通过资产中心,平台可实现资产统一注册、版本管理、权限控制、血缘追踪、标签分类、检索复用和数据周期管理。该场景适用于企业级研发沉淀,帮助组织形成可持续复用的机器人与智能模型资产库。

首次使用CloudRobo

如果您是首次使用CloudRobo的开发人员,建议您学习并了解如下信息:

  • 基础知识了解

    通过CloudRobo产品功能章节的内容,了解CloudRobo相关的基础知识,包含CloudRobo服务的特有概念和功能的详细介绍。

  • 入门使用

    您可以参考《快速入门》学习并上手使用CloudRobo。《快速入门》提供了基于场景样例的详细操作指导,您可以基于此操作指导,创建和使用CloudRobo提供的模型评测、数据生产、机器人接入等功能。

  • 最佳实践

    您可以参考《最佳实践》学习并掌握CloudRobo的使用。《最佳实践》涵盖操作类模型的仿真评测、真机推理体验、具身模型的训练调优与真机推理,以及具身智能数据的准备与共享经典案例。

  • 使用更多的功能,并查看其相关操作指导

    如果您是具身智能开发人员,可以参考《用户指南》了解数据管理、模型训练、模型评测、仿真验证、模型部署等完整功能的详细操作指导。

相关文档