8月6日，黎曼动力宣布与光轮智能、诺亦腾机器人（Noitom Robotics）达成战略合作，围绕其Riemann-1.0具身世界动作模型与Matrix-Game 3.5交互式世界模型，在高质量具身数据采集、模型训练、规模化评测、真实机器人部署与反馈优化等方向展开深度协同，目标直指2026年底完成100万小时具身数据的采集与训练。
此次合作标志着黎曼动力从单一模型能力突破，转向“数据生产、模型训练、真实验证、反馈迭代”的系统化闭环建设。公司计划依托Riemann系列具身大脑模型的真实任务表现，持续反推数据缺口，并通过多模态数据平台、评测体系和机器人部署反馈，加速通用具身智能模型的迭代演进。
具身智能模型要真正理解和操作物理世界，仅依赖视觉信息远远不够。机器人不仅需要“看到”物体，还需理解手指抓握时的力度变化、人体关节运动状态、动作在三维空间中的连续轨迹，以及人与物体、环境之间的动态交互。这些涵盖人体动作、力觉反馈、环境变化与交互对象状态的高精度多模态数据，是构建下一代机器人通用大脑的重要基础。
在与光轮智能的合作中，双方将推动Riemann-1.0、Matrix-Game 3.5与光轮智能的EgoSuite人类数据平台、RoboFinals评测平台及RoboStack部署反馈平台进行适配与验证。基于Riemann-1.0在移动操作、物体交互、家庭服务和长程任务中的能力表现，黎曼动力将精准提出模型训练所需的数据需求与能力缺口。光轮智能EgoSuite平台将围绕相关任务组织规模化、高质量的人类行为视频及多模态数据生产，并回流至模型训练流程。这意味着，Riemann系列模型后续每一轮迭代，都将更直接地面向真实能力短板，而非单纯依靠数据规模堆叠。
与诺亦腾机器人的合作则重点围绕动作捕捉、人机交互、多模态行为数据采集与数据工程能力展开。诺亦腾机器人在人体动作捕捉、力反馈采集与多模态行为数据获取方面拥有长期技术积累，此次合作将为Riemann-1.0在长尾任务、复杂操作、精细力控与跨本体泛化等方向的能力提升提供关键数据支撑。双方将共同采集包含人体动作轨迹、关节运动状态、接触力觉反馈、交互对象状态等信息的训练数据，并重点解决多模态数据在时间与空间上的高精度同步问题。
黎曼动力将结合模型训练效果与真实机器人验证结果，对数据采集、处理流程和质量评估体系进行动态优化，使数据持续服务于模型能力提升，也让模型在真实任务中的表现反向推动数据体系演进。
Riemann-1.0是黎曼动力面向Physical AI推出的具身世界动作模型，通过学习大规模人类视频数据，建立对人类行为、环境状态变化与动作结果的理解，并已在多个国际机器人Benchmark与真实机器人任务中取得领先表现。在机器人圈公认极难的家务大考RoboCasa-365基准测试中，Riemann-1.0以62.6%的平均成功率拿下第一，比此前行业领跑水平高出8.4个百分点。Matrix-Game 3.5则面向交互式世界模型，致力于构建具备长期记忆、持续交互与开放世界模拟能力的新一代世界模型系统。
黎曼动力联合创始人李阳光表示，机器人操作模型要真正进入复杂、开放的真实环境，需要持续获得高质量、多样化且能够验证的数据。通过与光轮智能、诺亦腾机器人的合作，希望让模型能力需求更直接地参与数据体系建设，并通过真实部署反馈持续推动模型迭代。
随着百万小时具身数据建设的推进，黎曼动力将继续围绕世界模型、本体设计、运动控制、评测体系与真实场景数据闭环展开系统布局，推动机器人从感知理解走向长期、稳定、可泛化的真实世界交互。