超越Figure?AI！全球首個機器人訓練樓盤開盤：30萬套中國住宅，機器人拎包入住

什么？

一覺睡醒，具身智能公司竟然也開始搞房地產了？！

剛剛，大曉機器人聯合港中文MMLab發布了一個新項目——

Kairos-Homeworld，全球首個實現全屋三維生成與物體級全交互的統一框架。

它干了一件頗有點“房地產商”味道的事：第一次把30萬套中國真實住宅戶型，搬進了數字世界。

不過可千萬別誤會。

Kairos-Homeworld不是給「找房APP」看房的，而是給「具身智能機器人」訓練的仿真環境。

從30平米一居室到200平米大平層，從南北通透到封閉式廚房，從干濕分離衛生間到獨立生活陽臺，統統變成了機器人用來訓練的3D仿真環境。

更有意思的是，Kairos-Homeworld并不單純是一個數據集，它還是一個能夠自動“蓋房子”的模擬器。

只消一句話，系統就能自動生成完整的中國家庭仿真環境，并支持機器人開展導航、多房間整理以及各類家務任務訓練。

而且，場景中的每件物體都不只是擺設。

材質、密度、摩擦系數等物理屬性都被完整建模，機器人可以直接對它們進行抓取、移動和操作，獲得更接近真實世界的交互體驗。

事實上，這還不是大曉最近唯一一項與具身智能相關的工作。

就在不久前，他們剛開源了4B參數的世界模型Kairos 3.0-4B。

如果說Kairos-Homeworld是在給機器人建造訓練場，那么Kairos 3.0-4B做的，則是給機器人裝上理解這個世界的大腦。

一前一后兩項工作，分別對應了具身智能最核心的兩塊拼圖：環境和模型，訓練場和大腦。

接下來，我們一件件來看。

Kairos-Homeworld：給機器人蓋30萬套訓練場

先說這個給機器人造“家”（訓練場）的事兒。

如果說大模型的訓練數據就躺在互聯網上，那么機器人的數據則藏在現實世界里。

開門、拉抽屜、整理物品、做家務——

機器人想學會這些能力，需要海量真實交互。

可現實世界太貴了。

此前，北美機器人明星公司Figure AI就曾與房地產巨頭Brookfield達成合作，希望借助其管理的超過10萬套真實住宅訓練機器人。

這種讓機器人先進入家庭的思路是沒錯，但真實場景有限，家具維修，場景維護都是問題。

基于此，Kairos 4D選擇了另一條路，把這些住宅直接搬進數字世界。

一方面，數字化路線的優勢在于新增場景的邊際成本趨近于零，不受真實房源總量限制，另一方面，生成器還能讓訓練環境規模持續擴展。

沿著這條路，大曉聯合港中文MMLab，一口氣開源了兩個關鍵資源：30萬套中國真實住宅戶型數據集；5000個完整可交互的3D家庭場景。

前者提供真實世界的空間分布基礎，后者則讓機器人能夠真正“住進去”、動起來、練起來。

而且相比規模，更重要的是它們都來自中國家庭。

此前，大多數開源室內場景數據集，都是基于歐美家庭構建的，開放式廚房、沒有陽臺、沒有玄關。

如果機器人長期在這樣的環境里訓練，真到了中國家庭，難免出現“水土不服”。

而Kairos-Homeworld則第一次系統性地把中國家庭的空間結構納入具身智能訓練體系。

規模上，30萬套戶型圖相當于學術界常用RPLAN數據集的近4倍，是ResPlan的17倍。

對于整個具身智能領域來說，這本身就是一塊相當稀缺的數據底座。

不過，僅有數據還不夠。

30萬套住宅再大，本質上仍然是一個靜態數據集。如果每新增一個訓練環境都需要人工建模，那么環境規模最終還是會遇到天花板。

因此，Kairos-Homeworld做的另一件事，是讓AI學會自動生成新的家庭環境，以加速機器人的訓練。

為了做到這一點，Kairos-Homeworld設計了一套分層生成框架。

整個過程被拆解成四個階段。

第一步，生成戶型圖。

團隊將傳統住宅結構轉化為層級化表示，讓大語言模型先規劃房間布局，再確定門窗位置和房間連通關系，從源頭避免房間重疊和拓撲斷裂等問題。

第二步，布置家具。

系統先從俯視視角放置床、沙發、餐桌等大型家具，再以第一人稱視角逐步補充廚房、浴室等空間細節。

第三步，自動糾錯。

通過視覺語言模型對場景進行閉環檢查，自動發現并修正“沙發擋門”“柜子穿墻”等問題，將場景碰撞率從0.20降低至0.05。

第四步，補充可交互物體。

系統會進一步生成桌面擺件、廚房用品、收納物件等細粒度元素，并為它們賦予材質、密度、摩擦系數等物理屬性，讓機器人能夠直接進行抓取、移動和操作。

相比直接端到端生成整個3D世界，這種分層方案不僅更加可控，也更容易保證空間合理性和物理一致性。

在30人參與的用戶評測中，Kairos-Homeworld在合理性、美觀度和復雜度三個維度均超過Holodeck、LayoutGPT和LayoutVLM，綜合偏好率達到81.1%。

更重要的是，這套系統已經開始進入真實訓練流程。

機器人接收全屋整理任務后，會自動拆解為多個子任務，按客廳、餐廳、廚房等空間動線依次執行，完成禮盒歸柜、牛奶入冰箱等具體操作。

相比過去主要服務導航訓練的仿真環境，Kairos-Homeworld生成的場景擁有完整且一致的空間結構，支持機器人跨房間連續行動；

同時，場景中的物體都帶有真實物理屬性，機器人能夠與十余種不同類別的物品進行自然交互。

換句話說，Kairos-Homeworld并不只是生成一套房子。

它真正生成的，是一個機器人能夠不斷練習、不斷犯錯、不斷成長的數字訓練場。

Kairos 3.0-4B：讓機器人學會做夢

訓練場有了，還得有能在里面學習的大腦。而這，也在大曉的路線圖之中。

前不久，他們開源了4B參數世界模型Kairos 3.0-4B。

在THOR平臺上，Kairos 3.0-4B實現了1:1.5的實時生成速度，推理速度比NVIDIA的Cosmos 2.5快了72倍。

換句話說，機器人每1秒鐘都能生成未來1.5秒的動作視頻。

而這種預測，并不是簡單的視頻生成。

作為一個世界模型，Kairos 3.0-4B最核心的能力，是對物理規律的理解。

例如在倒水或倒牛奶時，液體流速、水柱收窄等細節都符合真實流體運動規律。

在高難度的疊石頭任務中，模型同樣遵循重力與摩擦等物理法則，能夠維持合理的支撐結構和平衡關系。

即便面對洗衣服這類涉及柔性物體的任務，衣物也會隨著抓取、掉落自然變形。

而此前在外網刷屏的一段7分鐘連續家務Demo，則進一步展示了它在長程任務中的能力。

機器人先整理茶幾上的雜物，再進入洗衣房收拾衣物，隨后來到廚房準備早餐。整個過程一鏡到底，沒有任務切換，也沒有人工干預。

那么問題來了。

一個只有4B參數的世界模型，為什么能做到實時預測，還能在復雜場景里保持物理一致性？

答案來自三個方面。

首先，是架構。

Kairos 3.0-4B采用了「理解-生成-預測」一體化設計。

傳統世界模型通常需要先生成未來視頻，再從視頻中反推出動作指令。模擬世界和輸出動作是兩個獨立過程。

Kairos則直接將視覺表征映射為動作輸出，把世界模擬器和動作執行器合二為一，大幅縮短了推理鏈路。

其次，是數據。

Kairos 3.0-4B融合了物理規律（CoT文本）、人類行為數據以及真機交互數據三類來源。

其中，物理規律負責回答“為什么這么做”，人類行為負責提供“應該做什么”的范例，而真機數據則補齊“具體怎么做”的執行細節。

這種數據組合，讓模型學到的不只是動作本身，還有動作背后的因果邏輯。

最后，是效率。

Kairos 3.0-4B引入了首個專為世界模型設計的混合線性注意力算子。

它將時間復雜度從O(n2) 降至O(n)，既保留了長時序建模能力，又顯著降低了計算和顯存開銷。

最終，Kairos生成10秒任務僅需9.5秒，顯存占用23.5GB，而14B參數的Cosmos 2.5則需要70.2GB顯存。

更重要的是，這意味著世界模型第一次真正具備了部署到機器人端側實時運行的能力。

它不僅能夠在英偉達平臺運行，也兼容沐曦、海光、壁仞等國產GPU；同時支持單臂、雙臂以及靈巧手等不同機器人形態。

世界模型不再只是實驗室里的演示視頻，而開始真正成為機器人的“大腦”。

一個大腦，一個訓練場

如果把大曉這兩項工作放進英偉達具身負責人Jim Fan提出的路線圖里看，會發現一件有意思的事。

Jim Fan最近在紅杉的一場分享中提到，機器人想要像大語言模型一樣實現規?；l展，需要同時具備三樣東西：

世界模型（World Model）、數據（Data）和環境（Environment）。

其中，世界模型負責理解物理規律，相當于大語言模型的預訓練；

特定的數據負責讓機器人學習具體任務，從“知道世界如何運轉”走向“知道該怎么做”，相當于微調。

而環境則決定了機器人能夠經歷多少種場景、犯多少次錯誤，以及最終能夠達到怎樣的泛化能力。

所以，按照這張路線圖來看。

Kairos 3.0對應的是世界模型。而Kairos-Homeworld則同時提供了另外兩塊關鍵拼圖：

一方面，它開源了30萬套中國住宅戶型和5000個完整家庭場景，為機器人提供訓練數據；

另一方面，它又能夠持續生成新的可交互家庭環境，為機器人提供近乎無限擴展的數字訓練場。

單獨看Kairos 3.0，它是一篇世界模型工作；單獨看Kairos-Homeworld，它是一篇環境生成工作。

但放在一起看，大曉最近交出的兩份答卷，恰好對應了具身智能規模化發展最核心的三項基礎設施。

團隊介紹

最后，讓我們來簡單的介紹一下Kairos系列背后的團隊——

大曉機器人。

大曉于去年12月初正式對外亮相，由商湯科技聯合創始人王曉剛擔任董事長，澳大利亞科學院院士陶大程出任首席科學家。

團隊來自南洋理工、港大、港中文，研究方向覆蓋環境智能、世界模型與具身基礎模型。

作為商湯在具身智能領域的自然延伸，大曉承擔著將“數字大腦”裝入“實體機器人”的使命，技術路線圍繞“以人為中心”的具身智能研究范式展開。

公司近期完成了由螞蟻集團領投的天使輪融資，資金將主要投入世界模型和具身研發范式的迭代與落地。

Kairos 3.0-4B：https://github.com/kairos-agi/kairos-sensenova
HomeWorld：https://kairos-homeworld.github.io/

文章來源：量子位。