Chenjing Technology präsentiert sich auf der WAIC: Von der Navigation bis zur Datenerfassung vervollständigt sie die entscheidende Kette für die praktische Umsetzung von verkörperter Intelligenz.

Juli 2026, WAIC in Shanghai.

Beim Betreten des Ausstellungsbereichs für Embodied Intelligence durchströmt eine subtile Atmosphäre, die aus Angst und Euphorie gemischt ist, das gesamte Messegelände. Auf der WAIC vor zwei Jahren wagten sich hier nur 18 Unternehmen an das neue Thema; im letzten Jahr stieg die Zahl bereits sprunghaft auf 80; und in diesem Jahr hat die Anzahl der ausstellenden Unternehmen unbemerkt die Marke von 200 überschritten.

Hinter dieser Wachstumsgeschwindigkeit, die schneller ist als das Mooresche Gesetz, glänzen nicht nur verschiedene Endanbieter von Geräten; während die Architekturvorteile von Modellalgorithmen eine phasenweise Engstelle erreichen, treten die Anbieter der Daten-Infra-Lieferkette, die in der Vergangenheit tief unter der Oberfläche verborgen waren, vertreten durch Zhenjing Technology, nun auch ins Rampenlicht.

I. Wie Daten zum Achillesferse der Embodied Intelligence werden

Um die Bedeutung von Daten für die Embodied Intelligence zu verstehen, ist das autonome Fahren der beste Spiegel.

Wenn man die Embodied Intelligence in verschiedene Glieder aufteilt, ist das intelligente Fahren eigentlich nur eine spezifische Teilaufgabe im Gesamtbild der Embodied Intelligence. Doch selbst so starke Akteure wie Tesla und eine Reihe neuer chinesischer Automobilhersteller, die seit fast zehn Jahren mit aller Kraft daran arbeiten, obwohl Millionen von Nutzerdaten ständig in die Cloud hochgeladen werden, sind immer noch vorsichtig, wenn sie mit verschiedenen absurden Corner Cases konfrontiert werden.

Die Szenarien, mit denen die Embodied Intelligence konfrontiert ist, sind um mehr als eine Größenordnung komplexer als das autonome Fahren:

Die erste Ebene ist die geometrische Erhöhung der Dimension von 2D zu 3D: Ein Auto muss nur die Bewegung in der X-Y-Ebene verarbeiten, während die Hand-Auge-Koordination von Robotern in einem vollständig offenen dreidimensionalen Raum stattfindet.

Die zweite Ebene ist die exponentielle Explosion der Freiheitsgrade: Ein Auto hat nur Lenkrad, Gaspedal und Bremse, während die Freiheitsgrade (DoF) von humanoiden Robotern oft Dutzende erreichen, was bedeutet, dass der Bereich möglicher Bewegungen exponentiell zunimmt.

Die dritte Ebene ist eine schwere Datenasymmetrie: Im Vergleich zum autonomen Fahren ist die Anzahl der Roboter, die hochwertige Datenrückmeldungen liefern können, verschwindend gering.

Noch entscheidender ist, dass die Embodied Intelligence keine gewöhnlichen Videodaten benötigt, sondern körperliche Erfahrungen mit räumlicher Struktur und Aufgabenlogik.

„Im Internet gibt es Unmengen an Videos, aber für die Embodied Intelligence sind Videos ohne zuverlässige Pose nur nutzloses Material“, erklärte ein Experte von Zhenjing Technology offen. „Eine 2D-Karte muss nur die Ebene beschreiben, aber der Roboter muss seine absolute Position, Pose, Bewegungsbahn und Aufgabenstatus im dreidimensionalen Raum kennen. Nur Daten mit stabiler Bahn, Zeitsynchronisation, räumlicher Ausrichtung und Qualitätsbewertung zählen zu trainierbaren siliziumbasierten Erfahrungen. Und dafür werden Daten wie SLAM/VIO, robuste 6DoF-Bahnen, Echtzeit-Ausgabe und Bahnbewertung benötigt.“

In dem vergangenen Jahr hat Zhenjing Technology genau diese Datenwüste erkannt und mit grundlegenden Komponenten wie der Insight Spatial Intelligent Camera und der TinyNav-Navigationsalgorithmusbibliothek Kooperationen mit einer Reihe von führenden Großunternehmen abgeschlossen.

Aber in diesem Jahr stellte Zhenjing Technology fest, dass die Schmerzpunkte der Branche nicht mehr nur einzelne Hardware oder Navigationsalgorithmen sind. Eine skalierbar erfassbare, überprüfbare und wiederverwendbare geschlossene Dateninfrastruktur ist die Grundlage für die schnelle Evolution aller Embodied Intelligence-Endgeräte.

Aus diesem Grund hat dieses Unternehmen, das sich als Anbieter von physischer KI-Infrastruktur positioniert, auf dem WAIC-Stand in diesem Jahr zwei repräsentative Produkte vorgestellt: das Looper Embodied Intelligence Datenerfassungssystem und das NavCore Embodied Intelligence autonome Navigationsgehirn.

Sie zielen genau auf die zwei großen Probleme ab, mit denen die Embodied Intelligence-Branche auf Datenebene konfrontiert ist: Wie hochwertige Daten aus der realen Welt in großem Maßstab hergestellt werden können und wie der Roboter selbst eine hochstabile Umgebungswahrnehmung und autonome Navigation erreichen kann.

II. Das Looper Datenerfassungssystem: Dem Roboter die Fähigkeit zum Lernen aus der Egoperspektive verleihen

Auf dem Schlachtfeld der Embodied Intelligence-Datenerfassung gibt es derzeit drei gängige technische Ansätze: Teleoperation + VR, tragbare Mehrkamerasysteme und fest installierte Mehrkamera-Studios.

Der größte Vorteil der Teleoperation ist, dass sie direkt Roboter-Bewegungsdaten erhalten kann, was für das Training von Roboter-Ausführungsstrategien geeignet ist. Aber sie hängt normalerweise von speziellen Geräten ab, die Erfassungskosten sind hoch, die Effizienz ist begrenzt und gleichzeitig ist die Datenverteilung leicht durch die Form des Roboters selbst und die Bedienweise eingeschränkt.

Die Erfassung mit fest installierten mehreren Kameras hat eine starke Kontrollierbarkeit und kann hochwertige Daten aus mehreren Perspektiven erhalten, aber sie hängt von bestimmten Standorten und Geräten ab und kann schwer eine große Anzahl von echten Aufgaben und langschwänzigen Szenarien in Haushalten, Fabriken und gewerblichen Umgebungen abdecken.

Vor diesem Hintergrund wählt Looper das egozentrische Mehrperspektiven-Konzept, dessen Kernidee lautet: Lassen Sie Menschen Aufgaben aus der Perspektive des Roboters erledigen und die seit Zehntausenden von Jahren angesammelten körperlichen Erfahrungen der Menschen unbemerkt und kostengünstig in digitale Vermögenswerte umwandeln, die der Roboter verstehen kann.

Aus Sicht der Branche ist diese Wahrnehmungsweise, die der Art und Weise, wie Menschen Aufgaben erledigen, am nächsten kommt, gleichzeitig der vielversprechendste und kostengünstigste Weg, um die Skalierung von Daten aus realen Szenarien zu erreichen.

Bei der Konfiguration verwendet Looper die goldene Kombination aus Kopf + zwei Händen für das Mehrperspektiven-Konzept: Die Insight-Kamera am Kopf zeichnet visuelle Informationen aus der Egoperspektive, die räumliche Umgebung und die eigene Bewegungsbahn auf; die Kameras an den beiden Händen erfassen Nahbedienungsdetails, einschließlich Handbewegungen, Objektinteraktionen und lokalen räumlichen Veränderungen; die Seite des Rucksacks bietet Edge-Computing, synchrone Aufzeichnung und Datenspeicherfunktionen.

Aber das ist keineswegs einfach, mehrere Kameras am Körper zu binden und Videos aufzunehmen. „Es ist einfach, Daten zu erfassen, aber effektive Daten zu erfassen ist die Barriere. Looper erfasst effektive und hochwertige Daten“, sagte Yan Qinrui, Mitbegründer und Chief Operating Officer (COO) von Zhenjing Technology, und gab uns ein Beispiel: Während des Datenerfassungsprozesses ist die räumliche und zeitliche Ausrichtung zwischen mehreren Kameras ein sehr kritischer Branchenschwierigkeit. Wenn Bilder, Tiefeninformationen, Trägheitsdaten (IMU) und Posebahnen aus verschiedenen Perspektiven nicht in demselben Raum-Zeit-Koordinatensystem hochfrequenzsynchron gehalten werden können, werden die trainierten Roboter unkoordiniert handeln.

Für dieses Problem hat Zhenjing Technology das technische Konzept gewählt, die 6-Freiheitsgrade-Berechnung der VSLAM direkt auf dem Endgerät durchzuführen und auszugeben.

In der Vergangenheit war die gängige Praxis der Branche bei der Datenerfassung für Embodied Intelligence, einen ganzen Tag lang Daten zu erfassen und sie dann einige Tage lang auf einem Server offline für die 3D-Rekonstruktion zu verarbeiten, nur um festzustellen, dass die Datenausrichtung fehlgeschlagen ist und die gesamte Charge verworfen werden muss. Mit Looper, das VSLAM direkt auf dem Endgerät ausgibt, kann man vor Ort in Echtzeit die räumliche Position jedes Bildes kennen und unqualifizierte Aufnahmen sofort neu durchführen.

Ein weiterer Vorteil dieses Verfahrens besteht darin, dass Bilder, IMU und 6DoF (Sechs Freiheitsgrade)-Bahnen auf der Endgeräteseite natürlich ausgerichtet sind, sodass die nachfolgenden Kosten für die 3D-Rekonstruktion und Aufgabenunterteilung drastisch sinken.

Bei der endgültigen Abfrage erhält der Kunde nicht einen Haufen ungeordneter Videodateien, sondern hochwertige Erfahrungspakete, die präzise nach räumlichen Bereichen, Bewegungsbahnen und Aufgabenphasen abgefragt werden können, sodass rohe Videos wirklich in erlernbare und überprüfbare Daten umgewandelt werden.

Es wird berichtet, dass Zhenjing Technology auch die Einführung eines neuen Generation von vieräugigen Datenerfassungskopfbändern mit großem Sichtfeld plant, deren Kernoptimierungen auf leichtes Tragen und uneingeschränktes natürliches Erfassen abzielen. Das neue Konzept wird die hierarchische Wahrnehmungslogik des Menschen wiederherstellen: Mit dem peripheren Sehen die gesamte Umgebung berücksichtigen, den Blick auf die interagierenden Objekte vor dem Körper richten und die Datenerfassungslösung für Roboter auf der untersten Ebene der Wahrnehmung aktualisieren.

III. Das NavCore Navigationsgehirn: Wie man den Roboter dazu bringt, nicht nur laufen zu können, sondern richtig zu laufen

Wenn Looper das Problem der Datenproduktion löst, dann löst NavCore das Problem der autonomen Navigation des Roboters.

In der Vergangenheit lebten Embodied Intelligence-Unternehmen im Bereich Navigation wie fortgeschrittene Systemintegratoren:

Sie kauften Kameras von Hersteller A, wählten Rechenleistungsplatinen von Hersteller B, kauften Positionierungsalgorithmen von Team C, und dann verbrachten die Entwicklerteams Nächte damit, Treiber zu schreiben, Sensoren abzustimmen und Zeitstempel auszurichten.

Darüber hinaus verschlingen triviale und lästige Arbeiten wie häufige Ausfälle des drahtlosen Netzwerks bei der Vor-Ort-Bereitstellung, ungleichmäßige Stromversorgung mehrerer Platinen und Schnittstellenanpassungen oft eine große Menge an Zeit des Entwicklerteams.

Außerdem wird in der gesamten Kette eine kleine Verzögerung der Kamera den Positionierungsfehler vergrößern, der Positionierungsfehler verschmutzt direkt die globale Karte, und eine langsame Kartenaktualisierung führt dazu, dass die Pfadplanung gegen die Wand stößt. Jede Schwankung in einem beliebigen Glied kann direkt zum Scheitern der Aufgabe führen.

Ganz zu schweigen davon, dass im Vergleich zu früheren 2D-Navigationslösungen die Datenmenge bei der 3D-Navigation bei gleicher Auflösung um mehr als eine Größenordnung steigt und gleichzeitig der Rechenaufwand für Punktwolkenverarbeitung, Kollisionserkennung und Pfadplanung zunimmt.

Die Schwierigkeit der Softwarealgorithmen hat zugenommen, aber die Bedingungen auf der Hardwareseite sind strenger: Das in der Vergangenheit auf 2D basierende autonome Fahren kann auf dem riesigen Fahrzeug untergebracht werden, während die Embodied Intelligence die 3D-Navigationsfähigkeit auf kostengünstige eingebettete Plattformen bereitstellen muss.

Angesichts der oben genannten Probleme besteht die Vorgehensweise von NavCore als autonomes Navigationsgehirn der Embodied Intelligence in umfassender Integration und Standardisierung. Es kann die komplexe Roboter-Navigations-Engineering zu einem bereitstellbaren Produkt verpacken, sodass Kunden keine Wahrnehmungs-, Rechenleistungs-, Kartierungs-, Positionierungs- und Navigationskette von Grund auf aufbauen müssen.

Auf Hardwareebene nutzt es die NVIDIA Jetson-Serie als Rechenleistungsbasis und ist tief in das globale Mainstream-Ökosystem für Entwickler integriert. Gleichzeitig werden die selbst entwickelte Insight Spatial Intelligent Camera, Berechnung, Kommunikation und Stromverwaltung modular und integriert gestaltet, um die Komplexität der Integration zu senken.

Besonders erwähnenswert ist die von Zhenjing Technology selbst entwickelte Insight Spatial Intelligent Camera. Bei herkömmlichen Kameras reicht es aus, das Bild an einer festen Position klar aufzunehmen, um 90 % der Probleme zu lösen. Aber in Embodied Intelligence-Szenarien sind nicht nur hohe Bildqualität, sondern auch ein ausreichend großes Sichtfeld, extrem geringe Wahrnehmungsverzögerung, zuverlässige Sensorsynchronisation und die Fähigkeit erforderlich, unter Bedingungen wie Vibration, scharfer Kurvenfahrt, schwachem Licht, starkem Licht und dynamischer Verdeckung kontinuierlich stabile Position und Pose auszugeben.

Diese Anforderung bestimmt, dass Objektiv, Sensor, Trägheitsmesseinheit, Chip und Algorithmus nicht unabhängig voneinander entworfen werden können. Dafür verwendet Insight ein ultraweites Sichtfeld von 188 Grad, eine industrielle Trägheitsmesseinheit und Endgeräte-Rechenleistung, um visuelle Positionierung, Tiefenberechnung und räumliche Wahrnehmung lokal auf dem Gerät durchzuführen, sodass die Embodied Intelligence nicht nur sehen, sondern auch komplexe räumliche Beziehungen präzise verstehen kann.

Bei den endgültigen Softwarealgorithmen hat Zhenjing Technology zudem durch Algorithmus-Kürzung, Berechnungsoptimierung, Hardwarebeschleunigung und Modellquantisierung und -kompression die räumliche Intelligenz, die ursprünglich Rechenleistung auf Serverebene erforderte, auf die kostengünstige Endgeräteseite des Roboters gebracht, die langfristig stabil betrieben werden kann.

Darüber hinaus erforderten viele Roboterprojekte in der Vergangenheit eine neue Systemintegration für verschiedene Roboterplattformen und verschiedene Szenarien, einschließlich Sensorauswahl, Rechenleistungsanpassung, Treiberentwicklung, Koordinatensystemkalibrierung, Algorithmusbereitstellung und Vor-Ort-Einrichtung usw. Dies führt zu langen Entwicklungs