Bridgedp Engine
让机器人3分钟学会新动作
从视频动作提取到实机策略部署，全流程零门槛掌握
生态合作伙伴
5个步骤
让你的机器人动起来
全流程云原生，无需本地算力
低代码可视化，零门槛就上手
- Step 1
动作提取
上传一段清晰的人体动作视频，系统会自动识别得到可用于训练的高质量动作数据
- Step 2
重定向
选择你的机器人型号，平台会自动把人类动作"翻译"成机器人能执行的关节动作
- Step 3
策略训练
提交任务，云端 GPU 会替你完成运控策略的训练，无需配置环境或写代码
- Step 4
仿真测试
进行跨仿真环境测试，检验策略的稳定性与泛化能力
- Step 5
真机部署
将通过测试的策略一键部署到你的机器人上，验证实机效果
为机器人动作设计的数据管线
我们围绕以 DeepMimic 为代表的模仿学习运控方案构建了统一的数据管线，基于预处理的动捕数据或视频估计的动作数据，可快速形成下游训练所需的高质量输入。
预制经过清洗的高精动捕数据
我们依托专业级光学与惯性动捕设备采集多类型高精度动作数据，并由资深动画师进行精修，为后续训练提供稳定可靠的基础数据。
支持从视频实现动作姿态估计
通过先进的视频分析技术，可以从日常视频中提取动作姿态，无需专业动捕设备即可获得高质量的动作数据。
在线编辑器按帧完成动作定制
我们提供直观易用的在线动作编辑器，支持逐帧精确调整，方便轻松定制和优化机器人动作序列。
全自动关节映射与动作重定向
针对主流机器人型号预置关节映射表，无需人工参与即可完成动作重定向，实现从人类动作到机器人执行的一键适配。
基于云原生的
全流程自动化
依托云原生架构构建的资产与环境管理体系，配合弹性可调度的云端 GPU 算力，使开发者无需关注底层环境与资源运维，专注于算法迭代与模型优化。
资产管理
通过云对象存储统一管理 URDF 模型、BVH 动作及策略参数文件，实现资源集中标准化管理
云端算力
以节点图形式灵活调度训练任务，全部计算由云端 GPU 完成，实现高效分布式训练
参数调整
支持预设各训练阶段的超参数，一键复现训练路径，提升合作效率
指标监控
深度集成 TensorBoard，可实时监控训练过程中的各项指标与模型性能变化
生产环境可用的
标准化交付体系
通过集成式 OTA 部署客户端，我们提供对多种主流机器人构型的开箱即用支持。训练完成的策略模型可在统一接口下自动适配、下发与加载，实现从云端到设备端的高效部署与快速验证。
社区赋能的内容生态
通过社区的共建机制，开发者可以贡献各类动作与可部署策略，并从中获得收益；桥介引擎官方也将持续扩展对更多硬件构型与软件生态的支持，形成一个由社区驱动、不断增长、可持续演进的机器人内容生态。
- 宇树 G1、智元 X2 等构型
- ROS Foxy、Humble 生态支持
- x86、Arm 架构支持
- 更多生态支持中…
跨仿真器验证保障稳健交付
不同仿真器在数值计算方式与约束求解上的差异，往往会导致同一策略在跨仿真环境中表现不一致。
我们通过 WebAssembly 技术以接近原生的性能集成了 MuJoCo 物理引擎，构建了策略的跨仿真验证（Sim2Sim Evaluation）流程，用以检验策略在多引擎环境下的稳定性与泛化能力，从而确保其在真实机器人上的交付更加稳健可靠。
一键式部署与数据闭环
依托统一的 OTA 部署客户端，训练完成的策略可在多构型机器人上快速下发与加载，实现真正的一键式上线。
设备端运行过程中产生的状态数据可自动回传至平台，形成完整的调试链路与分析闭环，帮助开发者持续定位问题、优化策略并提升实机表现的可靠性。
海量动作数据
通过专业级动捕设备或者基于视频的动作估计获得