他介绍，目前解决难题大致有以下途径：一是在真实任务场景中采集数据，这种方式得到的数据质量非常高，但获取的难度和成本都非常大。以谷歌的机器人模型RT-1为例，在单个厨房环境中使用13个机器人，耗时17个月，仅能收集13万条数据，支持700多项任务。二是使用仿真数据和合成数据弥补真实数据的不足，但基于仿真数据训练的模型迁移到真实环境后会有误差。三是直接使用互联网上的图片或视频数据进行机器人的训练，但由于缺乏三维信息，效果较差。

　　机器人训练场应运而生。王扬将训练场比作具身智能机器人的数据底座，可以对机器人进行模型训练、能力测试、数据采集。机器人可以在训练场执行各类操作任务，不断积累行为多模态数据，支撑算法和模型的训练，同时可以在训练场中设置模拟的真实场景，使机器人在训练场训练之后，能够迁移到真实环境中直接上岗工作。

　　乐聚AELOS机器人。

　　训练场除企业自建之外，国内上海、北京、深圳等城市也在以产业公共服务平台的形式加快建设训练场。

　　本次大会宣布，青岛将依托工业、康复、海洋等领域发展优势，建设通用场景区、康复场景区、海洋场景区“一场三区”训练场，建成国内领先的技术验证高地，打造国内首个康复场景、首个海洋场景具身智能机器人训练场。

　　青岛市具身智能机器人训练场“一场三区”建设启动仪式现场。