全球具身智能赛道迎来快速发展期，高质量数据开源与领先的 AI 基础设施等成为驱动行业突破的重要力量。百度百舸正携手具身智能产业的广大生态伙伴，共建开放、协同的产业生态，共同加速具身智能机器人的应用落地，推动机器人真正走进千行百业、千家万户。「RealOmni」数据集合下载地址：https://huggingface.co/datasets/genrobot2025/10Kh-RealOmin-Op

如果我们把时延和拓扑数据交给 LLM 进行分析，它会结合拓扑对时延数据进行分析，并且给出最终的结论：当前每一组的时延是否正常，时延数据是否符合实际数据、如果有异常，是哪一组或者哪些组有异常，该怎么检查，LLM 会分析得明明白白的。

大模型的迭代正在把数据推到舞台中央。当训练语料从整齐的结构化行表，变成图像、视频、音频、文本与 Embedding 混杂的资产，传统数据湖在存储格式、访问模式与计算引擎上都面临新的挑战。百舸多模态数据湖要回答的是：如何让多模态数据像结构化数据一样被高效地存、算、管。先看一条样本本身。过去做推荐或风控，一条样本通常就是这几列标量：id / user_id / item_id /label / ts，

近日，百度智能云联合哈尔滨工业大学（深圳）提出面向机器人操作（robotic manipulation）的新范式 VLDA（Vision-Language-Delta-Action，视觉-语言-变化-动作），并在百度百舸开源的训练框架 LoongForge 中同步开放了完整训练实现。这项工作针对的是具身智能领域的一个长期痛点：现有模型要么从观察直接映射到动作、把「该改变什么」隐含在动作监督里，要么

近期，工业界的一大批世界模型工作在学术界的具身 benchmark 上不断刷新成绩。但这些性能提升往往伴随着更复杂的结构设计和更多的训练数据，很难分辨能力提升究竟来自哪里。更值得注意的是，一些第三方真机评测显示，这些榜单上成绩领先的模型，在真机性能或数据效率上并不一定超过 π₀.₅。这就引出一个问题：我们该如何更公平地判断一个模型设计是否真正有效？毕竟，我们需要的是能够迁移、泛化性更好的设计，而不

不过，训练规模扩大后，Muon 本身的开销会变得突出。2025 年，Moonlight 用 Muon 训练了 160 亿参数的 MoE 模型，实验表明，在计算最优配置下，Muon 只需约 52% 的训练计算量即可达到 AdamW 的同等表现。MuonX 用 Gram NS 降低 NS 迭代的计算量，用 DMuon 减少多卡训练中获取完整矩阵的开销，在实例内未配置 NVLink 的百舸 hpas.l

基于强化学习的仿真真机协同训练。对应 RLinf 团队被 CoRL 2026 接收的 RL-Co 方法：在仿真环境中用 PPO 做强化学习，同时在真机轨迹上做 SFT，两种训练信号放进同一个优化循环，既提升仿真任务成功率，又保留真机数据带来的先验。真机工程更模块化：全新模块化真机接口（rlinf.robotics）将机械臂、灵巧手、相机、移动底盘与遥操作外设抽象为即插即用的「乐高积木」，硬件驱动与

算力预算不变时，数据管线的效率决定了能产出多少训练数据。按本文的端到端结果，在同样的 GPU 时间内，MegaSaM 能处理的视频时长提高到原来的 1.75 倍，Droid-W 提高到 1.45 倍。具身 AI Infra 的效率评估不应止于模型训练。从原始数据到可训练数据，整条数据管线的处理吞吐、单位数据算力成本和端到端交付周期，都需要纳入统一评估。本文对相机位姿恢复环节的优化表明，数据管线本身

Dyna-2 留下的核心启示，不是百万小时训练需要一套更大的基础设施，而是随着模型和数据规模变化，系统瓶颈会不断迁移。模型的读取模式约束着数据如何编码、分块和缓存；数据管线与容错能力决定采购的 GPU 有多少真正转化为有效训练；基础设施能否支撑更大规模的实验，又影响团队是否有足够证据判断一个研究方向。

随机访问场景下，每次打开视频并构建解码对象，都会产生一次固定开销，一个样本涉及多个相机或多个分段时，这笔开销累积得越明显。原有流程中，抽帧位于数据处理链路下游，解码层不知道下游需要哪些帧，仍会将 33 帧全部解出，其中 24 帧随后被丢弃。把所有可能的窗口提前裁出来解码存好并非做不到，但存储会成倍膨胀，采样方式也随之固定，所以实际训练通常保留原始 episode，训练时随机确定采样窗口，再在线定位