# 产品功能
CloudRobo具身智能云服务是面向具身智能产品研发的一站式全托管平台，提供具身广场、工作空间、数据准备、模型开发、运行管理、资源管理等核心模块。用户可在工作空间中完成数据接入、资产管理、模型训练评测、真机接入及调测，并完成交付件发布、部署。平台支持算力资源池、配额管理和任务调度，提升资源利用率；同时通过资产版本、权限和血缘管理，实现研发过程可追踪、成果可复用，支撑团队高效协同与持续迭代。
#### 资产管理
平台提供完善的**资产管理能力**，帮助用户统一沉淀、管理和复用具身智能研发过程中的各类资产。
- **具身广场**是平台内优质具身智能资产的集中展示与共享空间，汇聚数据资产、模型资产、仿真资产等多类型资源。平台预置了数据集、感知模型、规划模型、操作模型、导航模型、第三方开源模型、仿真场景等常用资产，用户可直接选用广场中的资产，快速完成从数据准备、模型训练到仿真验证的一站式研发流程。后续开发者也可以将自有资产发布至具身广场（敬请期待），供更多开发者使用，促进资产共享与具身智能生态共建。
- 在使用CloudRobo云服务过程中，用户还会持续产生和沉淀数据、模型、镜像、算法等静态资产。CloudRobo通过**空间资产** 模块对这些资产进行统一管理，便于用户在工作空间内快速查找、选择和复用。空间资产主要包含**模型、数据、仿真、镜像、算法**五大类，支持研发过程中的资产归档、管理与高效调用。
 
#### 数据处理
平台提供完善的**数据处理**能力，帮助用户对采集、导入或回流的数据进行标准化处理，为后续模型训练、模型评测提供高质量数据基础。平台支持常见数据格式的转换，可将不同来源、不同结构的数据统一转换为平台支持的标准格式，降低数据接入和使用成本。
同时，平台预置了部分常用数据处理算法，用户可根据任务需求快速选择并执行格式转换流程，提升数据准备效率。对于特定业务场景或自定义数据结构，平台也支持用户上传自定义算法，并在数据处理任务中调用使用，实现灵活的数据解析、清洗和格式转换。
通过数据处理功能，用户能够更高效地完成数据规范化、结构化和可用化处理，减少人工操作成本，保障数据在训练、仿真和评测等环节中的一致性与可复用性。
#### 模型训练
平台提供了**模型开发、训练、微调**能力，支持用户基于官方预置模型或自定义模型开展增训任务，满足不同业务场景下的模型优化需求。用户可直接选择平台内置的优质基础模型，结合自有数据进行训练，无需从零构建模型，降低开发门槛并提升训练效率。
针对官方**预置模型** ，平台支持多种增训方式，包括**全参数微调、LoRA、QLoRA、DeepSpeed、增量预训练**等。用户可根据数据规模、算力资源、训练目标和成本要求，灵活选择合适的训练策略，在效果、效率和资源消耗之间取得平衡。
同时，平台也支持用户上传并管理自定义模型，在工作空间内发起训练任务，持续优化模型在特定任务、场景或机器人能力上的表现。训练过程中，平台可结合资源调度、任务管理和过程资产沉淀能力，帮助用户高效完成模型迭代、实验验证与成果复用。
#### 模型评测
平台提供**模型评测**能力，支持用户将训练完成的模型直接接入平台仿真引擎进行验证，快速评估模型在实际任务中的表现。用户无需切换到外部工具，即可在统一环境中完成从模型训练到仿真评测的闭环流程，提升研发效率。
在评测过程中，用户可选择对应的机器人、任务和仿真场景，对模型在**移动导航、抓取操作**等典型任务中的效果进行验证。平台可直观呈现机器人运行过程，帮助用户观察路径规划、避障表现、目标识别、抓取成功率、动作稳定性等关键结果，判断模型行为是否符合预期。
通过模型评测功能，用户能够在真实部署前发现模型问题，降低调试成本和运行风险。同时，评测结果可作为模型迭代优化的重要依据，帮助开发者持续改进模型性能，加快从训练、验证到应用落地的研发流程。
#### 模型部署
平台提供**模型部署**能力，支持用户将官方预置模型或增训后的模型快速部署为在线模型服务，用于后续模型评测、应用验证和真机调测。用户可在平台内选择目标模型版本，配置运行环境、资源规格和服务参数后发起部署，无需复杂的环境搭建，即可完成模型服务化发布。
部署完成后，模型可作为在线服务被仿真评测任务或真实机器人调测流程调用，帮助用户验证模型在具体场景中的推理效果和任务表现。对于经过增训优化的模型，用户可以通过在线部署快速对比不同版本的效果，评估其在导航、抓取、感知或决策等任务中的适用性。
通过模型部署功能，平台打通了模型从训练成果到可调用服务的关键环节，降低模型上线和调试成本，提升研发验证效率，并为后续真机运行、持续优化和业务落地提供支撑。
#### 真机调试
平台提供**真机调试**能力，支持接入机械臂、人形机器人、复合机器人等多类型机器人设备，帮助用户在真实硬件环境中验证模型与技能效果。用户可将已部署的模型服务与目标机器人进行关联，在平台内发起调试任务，对感知、规划、导航、抓取、操作等能力进行实际验证。
在调试过程中，平台可支持模型服务调用、机器人状态查看、任务执行观察和结果反馈，帮助用户判断模型在真实场景中的表现是否符合预期。通过真机调试，用户能够发现仿真环境中难以暴露的问题，例如硬件误差、传感器噪声、执行延迟、环境变化等，从而进一步优化模型和控制策略。
该功能打通了模型部署到机器人实际运行的验证链路，适用于算法验证、技能调优、场景适配和上线前测试等场景，帮助开发者更高效地完成从模型研发到真实机器人应用的落地过程。