三、公共支撑

（十一）人形机器人的端到端仿真开发平台

揭榜任务：面向人形机器人对端到端智能控制软件平台的迫切需求，突破机器人多智能体与复杂环境建模技术，面向机器人自主学习与技能发育的通用强化学习算法库，研发域随机化及GPU并行计算的训练与演进技术；研制新一代人形机器人端到端仿真开发平台，鼓励开源开放的新方法和新机制，并在人形机器人上开展应用验证。

预期目标：到2025年，研制新一代人形机器人端到端仿真开发平台，具有友好的开发界面。支持动态环境的推理、技能强化和具身安全演进，支持大规模并行GPU机器学习训练，同一场景下并行开展训练的机器数量不低于1000个。

（十二）人形机器人的标准、测试与评估

揭榜任务：搭建并完善人形机器人整机系统集成标准，完成软硬件模块通用接口的标准定义、撰写、试点应用；形成评估人形机器人关键共性能力的综合测评标准和关键核心部件的性能测评标准；建立人形机器人综合测试评估和实验平台，重点建立自主运动能力、复杂环境适应能力、平衡与抗扰能力、灵巧操作能力、人机交互能力的量化评估体系；研究电液驱动部件、一体化力控关节、环境感知模块、力觉感知模块等关键核心部件的性能测评方法，建立测试和实验平台。

预期目标：到2025年，实现软硬件模块通用接口的标准定义和标准撰写，编写各子模块的行业标准与规范，完成整机系统集成标准定义和标准撰写；制定关键共性能力的综合测评标准，建立实验平台。综合测评标准包含行走、作业、智能、交互等模块标准；实验平台可以测试机器人自主行走、双臂作业、任务决策与规划等功能，测试人形机器人行走能力、续航能力、载重能力等关键性能，同时可以测试核心零部件的关键性能。

（十三）人形机器人的机器脑智能控制技术

揭榜任务：开发基于人工智能大模型的“大脑”模型，实现人形机器人的环境感知、行为控制、人机交互能力。开发控制人形机器人的“小脑”模型，搭建运动控制算法库，建立网络控制系统架构。面向特定应用场景，构建人形机器人仿真系统和训练环境，支撑快速低成本的技术创新。支持人形机器人算力设施建设部署，强化机器人具身智能，加速大模型训练迭代和相关产品落地应用。

预期目标：到2025年，构建特定场景的人形机器人多模态环境感知-自然语言-运动规划数据集，具有感知能力、语音识别能力、自然语言处理能力、任务决策与规划能力，建立不低于100亿的典型任务参数集，自动化处理任务的类型不低于100种，并能够在人形机器人上实现应用。

四、典型应用

（十四）面向工业制造的