物理AI企业RealWorld（RLWRLD）发布自研机器人基础模型（RFM）RLDX-1，并进一步加快韩国市场布局。

RealWorld近日在首尔举行“Dexterity Night in Seoul”活动，集中展示RLDX-1的技术能力，同时披露围绕合作伙伴生态展开的商业化策略。

该活动是其全球巡回活动的一站，此前已先后在美国旧金山、日本东京和中国台湾地区台北举办，首尔为收官站。

RealWorld CEO Ryu Jung-hee在活动上表示，制造业现场仍有大量工序依赖人类手部灵巧完成，公司的目标是借助AI机器人推动这部分流程实现全面自动化。他指出，即使在韩国自动化程度最高的工厂，自动化率也仅约75%，其余约25%仍需人工介入；日本、中国和美国的情况也大体相似。放眼整体劳动力市场，接近一半的劳动仍依赖人手完成。

Ryu Jung-hee表示，小型零部件装配、车身部件组装等任务，对操作灵巧性要求极高，若不具备接近人类水平的能力，机器人很难胜任。RealWorld希望通过AI切入这类“劳动最后一公里”的自动化场景。

据介绍，RLDX-1的核心目标是实现人类级AI Dexterity（手部灵巧），整体体系由数据、模型和部署三部分组成。

在数据采集方面，RealWorld搭建了自有数据管线，通过人类示教方式采集动作数据，即由人完成动作、机器人同步跟随学习。公司称，Lotte Hotel无偿提供酒店场景，用于采集专业酒店从业者的操作数据；随后再利用AI对相关数据进行分析，将人类手部操作能力转化为机器人可学习的灵巧操作数据。

为进一步提升训练数据质量，RealWorld还引入了合成数据管线。

Ryu Jung-hee表示，在获取完整数据中的20%后，其余约80%可通过AI生成与增强方式补足至可训练水平；在这一方法下，模型整体质量几乎不受影响。他还称，公司已验证其合成数据管线在性能上优于NVIDIA相关方案。

在落地部署方面，RealWorld正与多家硬件合作伙伴推进验证测试，并将其列为当前重点工作。Ryu Jung-hee表示，NVIDIA、Hanwha、Lotte等海内外企业，已对RealWorld进行投资或正在开展联合实验。

RealWorld同时强调，RLDX-1旨在突破现有机器人AI模型的根本性局限。

RealWorld首席科学家Shin Jin-woo表示，近期机器人行业对“以单一模型执行多任务”的基础模型关注明显升温，NVIDIA GR00T系列便是这一方向的代表。此类模型能够将视觉语言模型（VLM）的场景理解与语言推理能力连接到机器人动作控制，但局限在于，通常仍是基于单帧图像进行决策。

Shin Jin-woo认为，要解决这一问题，关键在于补足三项能力。

首先，抓取移动物体需要识别随时间变化的动作信息，单张静态图像无法完成这类判断；其次，像“记住箱子里有什么”这样的任务，需要模型具备对历史上下文的记忆能力；此外，在缝隙中插入插头、拾取卡片等精细操作中，如果缺少触觉与力反馈，同样很难实现稳定执行。

Shin Jin-woo表示，RLDX-1是现有机器人基础模型中，首次将时序理解、记忆能力和触觉反馈整合进同一模型的产品。在仿真和真实机器人测试中，RLDX-1整体表现超过包括NVIDIA GR00T在内的竞争模型。

他还表示，RLDX-1在仿真基准测试中的成绩首次突破78%；在需要人类手部灵巧的精细操作任务上，其成功率较GR00T提高逾10倍。

RealWorld表示，当前行业已经形成“Dexterity至关重要”的共识，但面向商业化究竟需要达到怎样的能力门槛，仍缺乏明确标准。基于这一判断，公司正与NVIDIA合作推动建立Dexterity全球标准，近期已推出Dexterity标准评测指标DexBench，并计划与NVIDIA共同推进其成为全球通用标准。