跳转到内容
主站 新闻 控制台

威卡:以数据集连接具身智能与工程机械

· 量子位
国内AI

威卡:为工程机械的智能化与少人化,提供一条被验证的路径

2026年下半年,威卡移动控制(WIKA Mobile Control)在具身智能领域的各类行业展会与活动中频频亮相。

9月,威卡先后受邀出席华为2026全联接大会与阿里2026云栖大会。这两场国内科技巨头年度峰会的主题均聚焦于 Agentic AI,系统呈现了人工智能从底层技术突破迈向产业价值落地的完整路径。

10月19日,在2026徐州第十届人工智能大会上,威卡总经理薛力戈现场发布了“具身智能赋能工程机械高质量数据集”。发布会现场没有炫目的机器人表演,大屏幕上展示的是挖掘机在真实施工现场作业的实景画面。这一科研成果在物理世界 AI 智能化领域引发了广泛关注。

Image 3

总经理薛力戈表示:该数据集打通了模型理解人类在工程施工场景中经验沉淀的通道,是人工智能落地极端环境与大型工程的核心基础,将推动传统施工向少人化、无人化迈进。发布的同时,威卡已在 Hugging Face 等多个国际主流数据开源社区上线该数据集,旨在依托开源模式汇聚全球科研力量,共同搭建工程施工场景的数据飞轮,实现技术的持续迭代创新。

Image 4

当前,具身智能行业发展正面临数据稀缺、场景落地难等瓶颈。威卡作为一家深耕控制器、传感器和功能安全领域的自动化控制企业,推动具身智能技术与工程机械深度融合,打通了从真实作业场景到训练数据闭环的链路——既为传统制造业的智能化升级探索出可行路径,也为具身智能的前沿研究提供了宝贵的高质量数据集。

数据,是长出具身大脑的土壤

2026年被诸多行业人士视作具身智能的应用元年。行业数据显示,上半年国内具身智能赛道融资规模约935亿元,同比增长近五倍。然而,资本催生的行业热度,并不等同于技术实现了精细化的产业落地。

具身智能为何难以落地实际场景?其核心痛点集中在真实数据供给不足、仿真模拟实用性有限、模型落地适配性差以及安全保障体系缺失等维度,威卡数据集正是针对上述痛点应运而生。进一步审视,为什么这份数据集诞生于威卡,而非纯 AI 算法企业?答案并不在算法本身。

这正是威卡移动控制打造该数据集的核心价值所在。当行业普遍受困于数据短板时,威卡将研发视角投向了工程机械这一真实产业场景。工地、矿山各类作业与运维环节沉淀的真实场景数据,均能为实体经济的转型升级赋能。威卡不追逐概念噱头,而是依托扎实的技术积累,让具身智能的“虚拟大脑”真正对接服务于经济建设的工程机械“钢铁臂膀”。

Image 5

年内,国务院发展研究中心产业经济研究部副部长、研究员李燕在接受公开采访时提出,当前具身智能发展存在三大短板:高质量物理世界数据供给不足、模型泛化能力有限、部分硬件工程成熟度有待提升。其中数据问题高居首位——数据虽不直接等同于智能大脑,但智能大脑的训练一刻也离不开扎实的数据根基。

威卡移动控制智能化创新中心总监武博文在接受采访时表示:“模型的根基不在算法框架,而在数据。人类的行业知识深蕴于数据之中;唯有先构建高质量数据,才能训练出适配的模型,后续一系列技术应用才有实现的前提,这一逻辑顺序不可颠倒。”

回归产业现实,工程作业现场属于高度非结构化环境,设备硬件标准并不统一,数据采集成本高昂,复用难度极大。仿真素材和视频资料虽可用于预训练,但与真实作业环境之间存在显著的迁移壁垒,适配模型训练的有效数据供给,远远跟不上模型迭代的实际需求。因此,具身智能若要实现长远发展,必须有企业投身于物理世界大数据的采集、整理与解析工作。

更为关键的是,数据集绝非简单存储在硬盘中的视频文件与原始资料合集,而是覆盖多场景、多型号挖掘机的系统性作业数据,旨在把一线机手实操沉淀的行业经验,转化为机器可识别读取的结构化知识。只有依托这样的数据产品,才能训练出工程机械真正可用的智能“大脑”。

Image 6

“政策+市场”双轮驱动,数据集研发之路不易

威卡在数据集上的布局并非始于2026年。早在五年前,威卡便已启动了相关的前期筹备。彼时企业已精准预判:在“险、脏、累、繁、重”的工程作业场景中,搭载“智能大脑”的工程机械,市场需求必将日益凸显。

2026年,工信部在《信息通信行业发展“十五五”规划》中明确提出,要强化高质量数据集的采集、建设与治理;与此同时,伴随宇树科技完成上市,资本市场对具身智能概念的关注度持续攀升。

工程机械品类繁杂,威卡选择以挖掘机为突破口,虽具极强的场景代表性,但实现难度不容小觑。挖掘机作业工况复杂,挖沟、装车、修坡、整平、堆料等作业动作自由度极高,动态负载多变,施工现场扬尘严重,作业地形缺乏标准预设参考,非结构化特征极为突出。因此,挖掘机数据集的采集不仅需要覆盖跨品牌的多类机型,输出的数据更必须适配具身智能的学习逻辑。

业内普遍认知,模型习得的每一套作业动作,均来源于对资深机手操作轨迹的学习与复刻。威卡深入真实作业现场,依托统一时间戳实现了“视觉、激光、位姿、力反馈、手柄输入”五大维度数据的同步对齐:

  • 视觉与激光维度:高精度还原机手所处的作业空间环境;
  • 位姿与力反馈维度:完整记录机具与作业物料之间的动力学交互状态;
  • 手柄输入维度:忠实留存操作人员的决策与控制意图。

多维度信息相互印证与串联,完整还原了“机手观测环境—设备物料交互—人员实际操作”的全链条逻辑。缺少任意一环,得到的数据就只能是孤立的观测素材或离散的控制信号,无法沉淀为可复用的行业经验资产。

Image 7

这一全维度的采集模式意味着极高的研发成本。武博文透露,现阶段挖掘机信息采集基地的数据采集成本约为每小时5000元;训练一套可用的具身模型大致需要10万小时量级的数据,仅真机实地采集一项的成本便达上亿元。仿真模拟器的前期研发投入同样不菲,但在系统搭建完成后,其数据生成成本可压缩至真机采集的十分之一左右。

面对如此高昂的研发投入,对于深耕实体制造业的企业而言无疑是一项巨大挑战,但威卡始终坚定推进该项目的研发落地。

数据集的底气,源于威卡深耕三十年的智控系统积淀

从技术架构划分,具身智能可以拆解为“肢体”、“小脑”和“大脑”三大核心部分。“肢体”即主机厂商制造的设备机械结构本体;“小脑”代表电机控制器、驱动器与液压控制器,负责保障设备平稳可靠运行;而在现阶段的工程机械中,“大脑”大多仍由现场机手充当。“小脑”属于承上启下的关键中枢,智能大脑输出的高层决策指令,必须经由小脑转化,方能精准驱动机械肢体完成作业。

Image 8

从这一维度来看,威卡在具身智能的“小脑”领域已拥有三十余年的技术积淀。其产品线全面覆盖控制器、显示器、传感器、操控装置及新能源电控五大品类,广泛装配于起重机、高空作业平台、混凝土机械、土方机械、矿山设备等十余类工程装备中。威卡客户包括徐工、三一、中联重科、利勃海尔等多家工程机械龙头企业。这意味着,威卡的控制硬件本就成熟搭载于各大主流工程机械内部。这一天然优势决定了威卡数据集从源头上便承担起连接小脑与大脑的桥梁角色,是立足成熟智控硬件底座研发而来的成果,绝非脱离产业实际的凭空构想。

Image 9

实地调研威卡徐州智能制造工厂,可以切身感受到其扎实的实体制造底蕴。厂区划分为电子制造、电子装配、仓储拣配、机加工、机械装配五大功能区域,先后获评江苏省先进级智能工厂,并顺利通过智能制造成熟度三级认证。作为厂区核心板块,电子制造区配置了两条 SMT 生产线、DIP 生产线、喷涂产线以及自动化成品仓库。车间全面部署 VALOR 系统,实现了每一件产品从原料到成品的端到端全流程可追溯管控。

Image 10

值得一提的是,SMT 产线配套的自动化测试流水线全部由威卡自主设计、自主装配,是纯粹的“威卡造”。现场负责人介绍,该流水线立足客户需求与产品特性进行定制研发,投产后运行状态极为稳定。当前该产线除保障威卡自身订单生产外,仍有近半数的富余产能可对外承接定制化测试业务。这种从产品研发到产线设备搭建的自主制造能力,正是威卡能够扎实推进高质量数据集项目的核心底气。

结语:为工程机械的智能化与少人化,提供一条被验证的路径

威卡数据集第一阶段规模已达3600万帧,覆盖12类典型作业场景——尽管放在整个具身智能行业中这仍属于起步体量,但这套数据集所代表的研发思路,远比单纯的数据体量更值得行业深思。

第一,坚持正确的研发逻辑。 先沉淀蕴含可复用行业经验的数据底座,再推进严谨的模型训练,最终依托成熟的工程装备承载智能能力。许多团队的研发路径往往本末倒置:优先打造硬件载体,再去尝试补齐智能能力。然而,真正难以复制的壁垒在于物理世界实操数据中沉淀的作业经验;若颠倒研发顺序,即便投入巨资,最终产出的往往也只是用于演示的概念样机。

第二,精准聚焦核心复杂场景。 威卡没有选择易于做演示的简单场景,而是直击工况复杂、负载动态变化、非结构化特征显著的工程机械行业。威卡不追逐单纯的概念叙事,也不与通用大模型展开无谓竞争。具身智能赛道近年来从不缺宏大叙事,行业真正匮乏的,是愿意静下心来从事数据采集、对齐、标注、质控等细活、苦活的务实团队。威卡定位于数据基础设施的建设者,交付的不仅是数据本身,更是成体系的方法论与硬件载体。三者深度协同,才得以将一次性验证项目沉淀为可规模化复制的工程能力,切实推动产业落地。

第三,保持清晰的发展定位。 在不少企业忙于股权融资、打造硬件样机讲故事的环境下,威卡专注于筑牢数据底座,为工程机械原生模型的训练夯实基石,并最终将训练成熟的模型反哺回装至工程设备中。对于具身智能尤其是工程机械行业而言,这不仅是一个流于纸面的故事,更是一条经过验证、切实可行的工程化落地方案,具有独特的行业参考价值。