空间智能公司影溯在杭州落地全国首个具身仿真数采中心，称单月产能达百万小时且成本降至十分之一

10月30日，空间智能公司影溯（InSpatio）在杭州落地了全国首个具身仿真数采中心。据影溯介绍，该中心预计将实现单月生产100万小时仿真训练数据的能力，并将单条数据的综合成本降低至传统真机遥操作采集方式的约十分之一。这一举措旨在应对具身智能领域长期面临的高质量训练数据供给不足问题。

当前具身智能的数据获取主要依赖两条路径：物理世界的真机遥操作和第一视角（EGO）可穿戴设备采集，以及数字世界的三维建模与物理仿真。然而，这两条路径均存在效率瓶颈。真机采集受限于物理时间、场地准入及环境调整的灵活性，一名操作人员控制一台机器人一小时的有效轨迹往往不足半小时；而传统仿真建模则依赖人工搭建场景，耗时数天甚至数周，且难以保证几何结构与物理关系的一致性，导致从仿真到现实迁移时出现“Real2Sim Gap”。

影溯提出的解决方案是构建一座“具身Token工厂”，通过自研的Topos空间智能底座，将现实空间转化为可交互的数字场景，并拆分为三道全自动工业产线。在上游，系统利用便携式设备扫描或原生3D生成能力，在15分钟内完成上百平方米空间的采集，并通过物体拆解、盲区补全和物理标定三个步骤，在几小时内将真实场景转化为可运行的数字母本。

在中游，一旦场景数字化入库，系统即可在云端启动多个仿真通道并行执行动作规划。底层物理引擎实时计算力学结果并筛除失败尝试，批量生成包含深度、位姿、接触力和动作语义等信息的具身Token。这种模式将数据产量从依赖人工现场布置转变为依赖数字场景复用程度和云端算力规模。

在下游品控环节，影溯设置了去重标准，并按空间几何、物理交互和任务闭环评测分级供给数据。同时，数据生产与模型评测形成闭环，可根据客户模型在测试中暴露的短板（如透明物体识别失败），定向生成相似复杂环境进行补充训练。尽管这一工业化流程展示了规模化潜力，但其实际产出数据的有效性以及对缩小Real2Sim Gap的贡献，仍需后续独立验证。