拉抽屉，拧旋钮，开柜门
......
这些人类随手就能完成的小事
对于机器人来说却是一大难题
它要先找准把手，准确抓住
然后顺着柜门、抽屉移动
角度稍微一偏，力度稍稍不对
就会打滑、卡住
导致任务直接失败
想要教会机器人做家务，传统方法就是通过真机一遍一遍演示并采集数据。但真机实验成本高、耗时长，想要覆盖五花八门的柜子、门、家电，几乎很难做全。不同型号的机器人，数据还不能直接拿来复用。
那么，有没有办法，少折腾实体机器人，就能让它学会搞定家里各种带合页、滑轨的物件？答案是：有！
近日，中国电信集团 CTO、首席科学家、中国电信人工智能研究院（TeleAI）院长李学龙教授带领具身智能科研团队联合伽马智能，创新研发了一套完整的仿真数据生产系统 SMART，直接在虚拟仿真环境中生成百万级合成数据，训练完再零样本跑到真实机器人上干活。
点击播放视频
整套 SMART 体系，核心不靠真人操控机器人录示范，而是搭建了一套完整的仿真数据生产流水线。
SMART-Sim 是一个通用机器人操作仿真平台，集成了海量虚拟资产：几千种带铰链、滑轨的家具家电，上千套室内场景，上万张 4K 室内背景图。柜门、烤箱门、抽屉、旋钮这些物件，系统会自动标注清楚，哪里可以抓、往哪个方向转动、运动范围多大。
机器人运动也不是瞎动，会在靠近物体前做碰撞检测，手接触到柜门之后，会严格跟着铰链、滑轨的物理约束生成运动轨迹。推、拉、旋转、按压等 23 种基础动作技能，可以自由组合成复杂任务。
同时还会做“随机化”：物体摆放位置、光照、材质、摩擦力、机器人初始姿势全部随机改变。目的就是不让模型死记某一套画面，学到真正通用的操作逻辑，而不是仿真环境的 “专属套路”。
材质纹理随机化循环
光照条件随机化循环
空间配置随机化循环
相机外参随机化循环
光有仿真还不够，还要高效产出海量轨迹。
SMARTHive 就像一个数据工厂，把数据生产拆成轨迹采集、画面渲染、数据集转换三道工序，多任务并行跑，充分榨干显卡算力。
一台搭载 8 张 RTX4090 的服务器，一天就能产出 144 小时机器人操作数据。产出的数据直接输出行业通用格式，方便后续拿来训练模型。
就这样，在虚拟世界里，诞生了数据集 SMART-Data：
超 100 万条铰链物体操作轨迹
总时长 4600 + 小时，约 5 亿帧图像
覆盖柜门、冰箱、抽屉、旋钮等几十类日常物件
既有简单的开关柜门，也有多步骤长时序复杂家务任务，数据集规模远超以往同类开源数据集。
在同类数据集中，SMART-Data 的百万级铰链操作轨迹规模是InternData-a1 与 MolmoBot 中铰链物体操作数据量的 13 倍和 8 倍。
这种规模让大量任务可以直接从仿真数据获得覆盖，显著降低真机采集与逐条人工标注成本，并为下游训练提供稳定的数据底座。
基于这套百万级合成数据，TeleAI 研究团队训练出视觉动作模型 SMARTVLA，整个预训练阶段完全没有使用真实机器人采集的数据，真机只用来做最后的效果测试，不参与训练和微调。
在多个机器人仿真基准测试中，只用合成数据训练出来的 SMARTVLA，表现比肩部分依赖真实世界数据训练的顶尖模型。
尤其面对开门、拉抽屉这类铰链相关任务，在未见的新物体、新组合任务上，成功率高出其他基线模型，证明虚拟数据学到了可迁移的操作本领。
TeleAI 研究团队用三款完全不同的真实双臂机器人对 SMART 进行了测试，任务包含拉抽屉、开微波炉门、拧旋钮、按压分配器、掀开工具箱盖子等 8 类家庭常见操作。
结果现实，真机平均成功率达到 76.7%！
跟有趣的是，在仿真上部分真实数据模型和它差距不大，但换到真实物理世界，SMARTVLA 反而实现反超。
更考验泛化的是 “位置变动测试”：当把机器人底座抬高 10 厘米，也就是训练时完全没见过的高度，SMARTVLA 成功率仅小幅下滑；反观对比模型，有的直接暴跌，多项任务直接失败。
这正是得益于合成数据在生成时就大量覆盖了各种各样的位置、姿态，模型不会被固定位置“锁死”。
研究团队还观察到一个规律：合成示范样本越多，真机实际表现越强。
当单任务虚拟示范达到 500 条，多项家务任务真机成功率突破 80%。越是需要精细接触、约束严苛的操作，越能体现大规模多样化数据的价值。
过去业内的固有印象：仿真数据 “假”，想要机器人在现实好用，必须拼命攒真机数据。
而 SMART 告诉我们另一条可行路线：
不一定非要仿真像素和现实一模一样，只要轨迹足够真实、场景足够多元、物理约束到位，大规模合成数据完全可以成为机器人的基础训练底座。
这套系统把昂贵的真机从“反复练手的训练场”解放出来，更多用作最后的验证校准；把繁重的数据生成交给仿真集群完成，大幅降低采集、人工标注成本。
未来，当虚拟生成的操作数据规模继续攀升，或许家用服务机器人走进普通家庭的进度，会比我们想象来得更快。
相关工作
J. Ao, S. Jiang, Y. Zhong, Y. Liu, Y. Gao, J. Zhao, Y. Zhang, S. Zhu, C. Bai, X. Li*, “SMART: Zero-Shot Sim-to-Real Articulated Object Manipulation via Large-Scale Synthetic Pretraining”, arXiv:2610.07652.
