宸境科技 WAIC 发布具身数采与导航方案

宸境科技在 2026 年 WAIC 展会上发布了两款面向具身智能领域的基础设施产品：Looper 具身智能数采系统与 NavCore 具身智能自主导航大脑，分别瞄准「高质量真实世界数据如何规模化生产」与「机器人端如何实现高稳定 3D 感知与导航」两大行业痛点。在此之前，宸境科技已凭借 Insight 空间智能相机与 TinyNav 导航算法库拿下一众头部大厂合作，本次新品可视为其从单点组件向「数据 + 导航」闭环方案的升级。

行业背景：数据是具身智能的阿喀琉斯之踵

宸境科技在展台讲解中援引自动驾驶作为类比：自动驾驶已经积累了上百万辆车的数据，特斯拉等头部企业死磕近十年，仍对各类 Corner Case 如履薄冰。而具身智能面对的场景复杂度远高于自动驾驶，主要体现在三层跃迁：

• 从二维到三维的几何升维：机器人手眼协调发生在完全开放的三维空间，而非平面移动。
• 自由度爆炸：汽车只需控制方向盘与油门，人形机器人自由度动辄数十个，动作空间呈指数级增长。
• 数据严重不对称：相比汽车，真实部署中的机器人数量极少，能提供优质反馈数据的来源极为稀缺。

宸境科技专家强调：「互联网上多的是海量视频，但对具身智能来说，没有可靠位姿的视频只是垃圾素材。」只有具备稳定轨迹、时间同步、空间对齐和质量评估的数据，才能称之为「可训练的硅基经验」。

Looper：Ego-centric 多视角数采方案

目前主流的具身数采路线有三种：遥操作 + VR、可穿戴多视角、固定多机位 studio。遥操作成本高且受本体形态限制；固定多机位可控性强但难以覆盖长尾场景。Looper 选择了第三种路线的代表方案——Ego-centric 多视角，让人佩戴机器人视角完成任务，将人类经验低成本地转化为机器人可学习的数据资产。

具体配置上，Looper 采用「头部 + 双手 + 背包」的多视角组合：头部 Insight 相机记录第一视角与空间轨迹；双手相机捕捉操作细节与局部空间变化；背包负责边缘计算、同步记录与存储。

技术关键点在于多相机之间的时空对齐。宸境科技的做法是在端上直接完成 VSLAM 的 6 自由度（6DoF）轨迹计算并实时输出，避免了「采集一整天、离线跑几天才发现对齐失败整批报废」的行业常见困境。图像、IMU 与 6DoF 轨迹在端侧天然对齐，也让后续三维重建与任务切分成本大幅下降。最终客户拿到的不是无序视频文件，而是可按空间区域、轨迹与任务阶段精准检索的经验包。

据悉，宸境还规划推出新一代四目大视场数采头环，进一步朝轻量化佩戴、无束缚自然采集方向演进。

NavCore：把 3D 导航封装成开箱即用产品

如果说 Looper 解决数据生产问题，NavCore 则瞄准机器人端自主导航。宸境科技指出，过去具身智能团队在做导航时普遍扮演「高级系统集成商」角色：分别从不同厂商采购相机、算力板、定位算法，再由研发团队写驱动、校准时间戳、处理无线掉线与供电不均等工程问题，且任何一环的抖动都可能导致任务失败。

NavCore 的核心策略是「大集成与标准化」：

• 硬件：以 NVIDIA Jetson 系列作为算力底座；自研 Insight 相机提供 188 度超广角、工业级 IMU 与端侧算力，本地完成视觉定位、深度计算与空间感知。
• 算法：通过算法裁剪、计算优化、硬件加速与模型量化压缩，将服务器级别空间智能能力塞进低成本嵌入式平台。
• 接口：内置 TinyNav 视觉导航算法，提供基于 ROS2 的标准化接口输出。

据官方介绍，NavCore 可适配人形、四足、AMR、无人机等不同本体，覆盖智慧园区多机器人调度、工业巡检、港口物流、文旅导览等场景。

行业意义

从 WAIC 参展企业数来看，具身智能赛道的热度仍在快速攀升。宸境科技选择切入数据采集与自主导航这两个「水底下」的基础环节，反映出当模型算法架构红利走到阶段性瓶颈，行业注意力正在向数据闭环与端侧工程能力迁移。能否把数据、感知导航、本体控制这些看不见的环节做扎实，或将成为未来三到五年具身智能厂商能否跨越「昂贵 Demo 到通用劳动力」鸿沟的关键变量。