-
仿真训练：成本低廉但缺乏真实世界的小众案例（即「Sim2Real 鸿沟」）。
-
网络视频：缺少机器人学习所需的受力反馈或本体感知数据。
-
真实数据采集：需人工远程操控，单台机器的成本超 4 万美元且难以规模化。
Reborn 尝试通过去中心化模式低成本、高效率地获取真实世界数据，从而有效解决 Sim2Real 鸿沟问题。
Reborn：DePAI 的全栈解决方案Reborn 致力于构建一个垂直整合的物理 AI 软件与数据平台，其核心目标是解决人形机器人的数据瓶颈，但愿景远不止于此。通过专有硬件、多模态仿真基础设施和基础模型开发，Reborn 旨在成为智能人形机器人领域的全栈推动者。
ReboCap：众包高保真运动数据ReboCap 是 Reborn 开发的低成本动作捕捉设备，目前已售出超 5000 台，月活跃用户（MAU）达 16 万。
Reborn 以优于其他替代方案的经济效益实现数据采集。
用户通过 AR/VR 游戏生成高保真运动数据，并获得网络激励。这种模式不仅吸引了游戏玩家，还被数字主播用于实时驱动的数字虚拟形象。这种自然的循环互动完成了可扩展、低成本且高保真度的数据生成。
Roboverse：统一多模态仿真平台Roboverse 是一个多模态仿真平台，旨在统一分散的仿真环境。当前机器人仿真工具（如 MuJoCo、NVIDIA Isaac Lab）功能各异但互不兼容，严重拖累了研发效率。Roboverse 通过模拟器设定标准化制度，创建了一个用于开发和评估机器人模型的共享虚拟基础架构。通过提供统一的开发与评估平台，提升了模型兼容能力。
Reborn 基础模型（RFM）
Reborn 技术栈
Reborn 全栈中最关键的组件是 Reborn 基础模型（RFM）。RFM 是首批专为机器人设计的基础模型之一，旨在成为 DePAI 的核心基础设施。这类似于面向 LLM 的传统基础模型，例如 OpenAI 的 o4 或 Meta 的 Llama，但 RFM 面向的是机器人。
ReboCap、Roboverse 和 RFM 为 Reborn 构建了强大的护城河。结合 ReboCap 的真实数据与 Roboverse 的仿真能力，RFM 能够训练出适应复杂场景的高性能模型，可支持工业、消费级及研究型机器人的多样化应用。
Reborn 正在推进技术商业化，目前正在与 Galbot 和 Noematrix 合作开展付费试点项目，并与宇树科技、Booster Robotics、Swiss Mile 和 Agile Robots 建立战略合作伙伴关系。中国人形机器人市场正在快速增长，约占全球市场份额的 32.7%。值得注意的是，宇树科技占据了全球仿真机器人市场 60% 以上的份额，是计划在 2025 年产量超过 1000 台的中国人形机器人制造商之一。