日本RLWRLD公司于6月9日宣布，与美国NVIDIA公司合作，致力于制定类人机器人AI的下一代产业标准。此次合作重点推进三大领域：建立评估机器人灵巧操作能力的共享基准“DexBench”，完善用于灵巧动作学习的数据标准，以及加强与NVIDIA机器人开发平台“Isaac Lab”和“Isaac Lab-Arena”的协同。
灵巧操作的共通框架
类人机器人在精密组装、分类和包装等细致工作中的“灵巧操作”技术，是实现类人机器人实用化和产业化的关键技术领域。然而，目前业界缺乏客观评估灵巧动作性能的统一基准和可用于AI模型训练的标准化数据平台，这成为技术进步和商业推广的瓶颈。
RLWRLD CEO 刘俊熙表示： “如果没有评估和复现机器人手部精细动作的共通语言，类人机器人的商业潜力将受到限制。通过与NVIDIA的合作，我们将建立共通基准“DexBench”和数据标准，推动行业基础设施建设。我们期待此次合作成为全球类人机器人AI生态系统的新标准。”
NVIDIA机器人生态系统负责人Amit Goel表示： “为了扩大类人机器人的产业应用，必须具备可测量且可复现的灵巧操作能力。DexBench与NVIDIA Isaac平台的结合，将帮助机器人社区开发更可靠、更高精度的操作模型，加速下一代机器人技术的实用化。”
跨越仿真与现实的双重验证框架“DexBench”
RLWRLD的评估平台DexBench已与NVIDIA的“Isaac Lab-Arena”环境集成，能够在仿真和现实环境中对灵巧操作能力进行评估和验证。DexBench涵盖18项工业关键任务，如组装、分类和包装，从抓取多样性、空间精度、时间精度、接触精度和情境认知五个维度进行性能评估。该基准为机器人制造商、研究机构和企业提供统一的评价标准，助力从评估到商业应用的开发指导。
实现五指灵巧操作的类人机器人数据标准
为确保与NVIDIA Isaac Lab管线的兼容，双方共同推进类人机器人灵巧操作学习所用数据格式的标准化，目标是成为全球机器人制造商和研究机构的统一数据接口。
RLWRLD的类人机器人灵巧操作基础模型“RLDX-1”在包括“RoboCasa Kitchen”、“RoboCasa GR-1 Tabletop”和“LIBERO-Plus”等8个成熟仿真基准中表现出领先性能，超越了“NVIDIA GR00T N1.6”和“Physical Intelligence π0.5”等先进模型。这些成果验证了RLWRLD架构方法的有效性，同时DexBench致力于标准化业界尚未覆盖的灵巧性能测量方法。
RLWRLD通过名为“Dexterity Night”的系列发布活动，持续扩大全球影响力。首场活动于上月在美国旧金山举行，NVIDIA机器人生态系统及边缘AI产品负责人Amit Goel出席并称RLWRLD为“NVIDIA物理AI生态系统的核心合作伙伴之一”，引起全球机器人社区的高度关注。继日本活动后，6月10日将在韩国首尔举办下一场Dexterity Night。
