8月6日，黎曼動力宣佈與光輪智慧、諾亦騰機器人（Noitom Robotics）達成戰略合作，圍繞其Riemann-1.0具身世界動作模型與Matrix-Game 3.5互動式世界模型，在高質量具身資料採集、模型訓練、規模化評測、真實機器人部署與反饋最佳化等方向展開深度協同，目標直指2026年底完成100萬小時具身資料的採集與訓練。

此次合作標誌著黎曼動力從單一模型能力突破，轉向“資料生產、模型訓練、真實驗證、反饋迭代”的系統化閉環建設。公司計劃依託Riemann系列具身大腦模型的真實任務表現，持續反推資料缺口，並通過多模態資料平台、評測體系和機器人部署反饋，加速通用具身智慧模型的迭代演進。

具身智慧模型要真正理解和操作物理世界，僅依賴視覺資訊遠遠不夠。機器人不僅需要“看到”物體，還需理解手指抓握時的力度變化、人體關節運動狀態、動作在三維空間中的連續軌跡，以及人與物體、環境之間的動態互動。這些涵蓋人體動作、力覺反饋、環境變化與互動物件狀態的高精度多模態資料，是構建下一代機器人通用大腦的重要基礎。

在與光輪智慧的合作中，雙方將推動Riemann-1.0、Matrix-Game 3.5與光輪智慧的EgoSuite人類資料平台、RoboFinals評測平台及RoboStack部署反饋平台進行適配與驗證。基於Riemann-1.0在移動操作、物體互動、家庭服務和長程任務中的能力表現，黎曼動力將精準提出模型訓練所需的資料需求與能力缺口。光輪智慧EgoSuite平台將圍繞相關任務組織規模化、高質量的人類行為影片及多模態資料生產，並回流至模型訓練流程。這意味著，Riemann系列模型後續每一輪迭代，都將更直接地面向真實能力短板，而非單純依靠資料規模堆疊。

與諾亦騰機器人的合作則重點圍繞動作捕捉、人機互動、多模態行為資料採集與資料工程能力展開。諾亦騰機器人在人體動作捕捉、力反饋採集與多模態行為資料獲取方面擁有長期技術積累，此次合作將為Riemann-1.0在長尾任務、複雜操作、精細力控與跨本體泛化等方向的能力提升提供關鍵資料支撐。雙方將共同採集包含人體動作軌跡、關節運動狀態、接觸力覺反饋、互動物件狀態等資訊的訓練資料，並重點解決多模態資料在時間與空間上的高精度同步問題。

黎曼動力將結合模型訓練效果與真實機器人驗證結果，對資料採集、處理流程和質量評估體系進行動態最佳化，使資料持續服務於模型能力提升，也讓模型在真實任務中的表現反向推動資料體系演進。

Riemann-1.0是黎曼動力面向Physical AI推出的具身世界動作模型，通過學習大規模人類影片資料，建立對人類行為、環境狀態變化與動作結果的理解，並已在多個國際機器人Benchmark與真實機器人任務中取得領先表現。在機器人圈公認極難的家務大考RoboCasa-365基準測試中，Riemann-1.0以62.6%的平均成功率拿下第一，比此前行業領跑水平高出8.4個百分點。Matrix-Game 3.5則面向互動式世界模型，致力於構建具備長期記憶、持續互動與開放世界模擬能力的新一代世界模型系統。

黎曼動力聯合創始人李陽光表示，機器人操作模型要真正進入複雜、開放的真實環境，需要持續獲得高質量、多樣化且能夠驗證的資料。通過與光輪智慧、諾亦騰機器人的合作，希望讓模型能力需求更直接地參與資料體系建設，並通過真實部署反饋持續推動模型迭代。

隨著百萬小時具身資料建設的推進，黎曼動力將繼續圍繞世界模型、本體設計、運動控制、評測體系與真實場景資料閉環展開系統佈局，推動機器人從感知理解走向長期、穩定、可泛化的真實世界互動。