商品包装纸箱容器工具
商品、包装、容器与工具Product · Package · Container · Tool
Retail × Embodied Intelligence
真实零售世界就是具身智能的训练场
真实门店 · 真实任务 · 真实交互
20,000+数据小时
100+采集设备
20,000+SKU 覆盖
02 / Field Evidence
数据不是摆拍，它发生在真实作业里
来自真实门店、真实货架与真实商品。采集者以第一人称进入日常任务，在自然光照、遮挡、反光与人员流动中记录连续操作。
Enter
进入场景
进入场景
Record
连续采集
连续采集
Verify
任务核验
任务核验
Trace
版本追溯
版本追溯
环境不被简化货架、光照、人流、遮挡与真实动线被完整保留。
任务不被切碎保留上下文、动作结果、失败与恢复片段。
03 / Per-Site Collection Output
真实场景持续积累单点数据资产
以单点累计采集时长，呈现真实场景的数据积累。
- 单点平均累计采集时长
- ≈1,813小时
- 最高单点累计采集时长
- 2,969.20小时
TOP 8
单点累计采集时长 · 精选展示
04 / Retail Task Graph
零售任务树
把真实门店视频拆成可复用的动作链：从补货、加工、收银到后仓拣货，再落到可验证的现场事件。
Root / 根节点
零售任务树RETAIL TASK GRAPH
Work / 视频工作流
货架补货休食 · 啤酒 · 日常补货
生鲜理货前移 · 对齐 · 陈列恢复
烘焙准备冻胚 · 摆盘 · 入炉
熟食加工面点 · 分装 · 装盒
收银支付扫码 · 收款 · 装袋
后仓拣货终端核对 · 取货 · 打包
Generalized Task / 可复用动作
搬大件 / 取货 / 上架后仓推车与货箱搬运
前移 / 对齐 / 恢复陈列把货架状态拉回标准
摆盘 / 入炉烘焙准备与入炉
出炉 / 装盒 / 贴价签烘焙出品与包装
分切 / 称重 / 封盒生鲜加工与成品打包
分装 / 装盒 / 封膜熟食出餐与包装
扫码 / 收款 / 装袋人、货、设备连续交互
拣货 / 核对 / 打包终端指引下的订单履约
Event Leaf / 视频事件
冻胚摆盘 → 烤架入炉烘焙准备片段
出炉 → 装盒 → 贴价签烘焙出品片段
后排蔬菜前移并对齐生鲜理货片段
西瓜分切 → 称重 → 打包生鲜加工片段
榴莲称重 → 开果 → 封盒生鲜加工片段
扫描商品 → 收款 → 装袋收银支付片段
熟食分装 → 封盒 → 出餐熟食加工片段
终端核对 → 后仓取货 → 打包拣货履约片段
● New tasks & events keep growing →
05 / Data Acquisition Pyramid
构建面向具身预训练和场景微调的数据金字塔
真实第一人称与第三人称视频保留现场上下文，仿真与合成扩展规模和长尾，UMI 数据衔接人类操作，遥操示教进一步对齐机器人动作与任务结果。
01 / REAL真实第一 / 第三人称采集真实门店视频、任务上下文与连续作业。
03 / UMIUMI 数据便携采集精细操作、手部轨迹与物体交互。
04 / TELEOP遥操示教数据机器人动作轨迹、状态与任务结果对齐。
DATA PYRAMID
遥操示教数据
UMI 数据
第一 / 第三人称采集
06 / Object Universe × Physical Properties
20,000+ SKU，覆盖的不只是品类，更是物理世界的差异
20,000+Interacted SKU Coverage
柔性与可形变膨化袋 · 薄膜 · 软包装 · 面团
刚性与整箱纸箱 · 瓶罐 · 硬质包装 · 托盘
易损与需控力烘焙成品 · 鸡蛋 · 玻璃瓶 · 果蔬
不规则与自然物叶菜 · 根茎 · 散装果蔬 · 面包
07 / Scene Network × Human–Robot Flywheel
门店网络，让人机协同生长为长期数据资产
场景覆盖提供验证基础；示教、部署、接管与事件回流共同推动模型迭代。
China Retail Scene Network / 中国零售场景网络
多点数智客户场景覆盖网络审图号 GS(2023)2767号 · 亮点为城市级示意待校验
真实场景
结构化数据
模型训练
门店部署
HUMAN × ROBOT人类判断→机器人执行→事件回流↺