具身智能双轮腿机器人实验平台MongoCase Bipbot
2026高考倒计时，教育部最新公布的本科专业目录，首设具身智能专业，可见前沿赛道的人才培养需求愈发迫切。作为典型的交叉学科，具身智能更注重综合创新与实操能力，从仿真到现实迁移学习（Sim-to-Real）至关重要。
立足行业需求，我院培育企业合肥哈工图南智控机器人有限公司推出新品——具身智能双轮腿机器人实验平台MongoCase Bipbot，以轻量化、强稳定、算法导向的设计，跨越 Sim-to-Real 难题，让具身智能学习更简单、高效。
并联腿部结构 降低开发难度提升稳定性
并联腿部结构抗干扰能力强
Sim-to-Real是将仿真环境中的流程映射到真实的机器人身上，仿真中可批量采集的轨迹数据，在真机上却容易因硬件误差、环境干扰等因素而失效，导致虚实鸿沟。
实验室里的“冠军”，到现场就“翻车”，用户大量时间耗费在排查硬件、调整参数上，而非专注于算法设计本身，学习成本不断增加。
哈工图南团队深入调研主流四足、人形、轮腿等实训平台，取长补短，在硬件稳定性上大胆创新：
轻量化设计
整机尺寸350mm×300mm×250mm，重量仅 5kg 以内，普通课桌即可部署。
并联腿部结构
高刚性、高负载、低惯量、抗干扰能力强。为解决并联机构运动学控制复杂的难题，团队通过软件参数配置，将并联结构完整描述至仿真文件中，实现并联结构-软件协同建模——成为行业一大亮点。
硬件防护
专属辅助轮 + 防翻滚设计，抵御碰撞、断电、坠落等意外；4小时长续航电池，彻底规避场地受限、设备损耗、故障率高等教学痛点。
原生六大传感器 出厂即“智能体”
高度集成高清相机、语音模块、3D雷达等传感器
为从源头缩小虚实误差，MongoCase Bipbot小巧的机身中原生集成高清3D相机、视觉传感、麦克风、拾音器、3D感知环境雷达、高频IMU等全套传感器，出厂即具备全维度环境感知能力，无需外挂、无需二次改装。
相比之下，市面上多数机器人平台后期加装传感器，不仅增加硬件损耗与调试难度，更会影响Sim-to-Real迁移效果。
核心功能亮点
自主平衡 3D建图 自主导航
语音控制 语音交互 语音合成
场景理解 视觉跟随 视觉交互
基于3D点云的SLAM自主建图与导航
60+ TOPS本地算力 超同类产品10倍
+Sim训练与推理
有效的Sim-to-Real迁移，离不开端到端智能闭环。MongoCase Bipbot搭载CPU+GPU异构算力架构，端侧本地算力可达60-70TOPS，较此前版本高出超十倍。
支持并行处理AI推理、超高清视频编解码、物理仿真、科学计算等多类任务，打破传统设备异构割裂的弊端。
算力支撑
AI 多模态感知与推理
实时运动控制与策略执行
物理仿真与场景重建
端到端的感知-决策-执行闭环
Mujoco Sim2Sim部署
从模型到数据，从训练到物理引擎输出，全链路打通。云端大模型负责复杂视觉与语音推理，本地算力驱动实时控制——让智能真正长在身体里。
目前，MongoCase Bipbot已完成对平地、马路、草地等多复杂实景测试，Sim-to-Real迁移稳定性与准确率已得到充分验证，针对高校教学痛点，它还可有效减少硬件损耗、突破场地受限。
与安徽工程大学共建实验室 落地应用
哈工图南与安徽工程大学联合成立具身智能实验室
面向高校教学与科研需求，MongoCase Bipbot 打造了一站式具身智能开发平台，可覆盖入门实训至高阶科研全学习场景。
平台提供统一、模块化的机器人学习框架，打通底层仿真与上层算法链路，有效降低强化学习、模仿学习、运动规划等复杂任务的开发难度，打破仿真与现实的壁垒，加速机器人智能算法的开发、验证与部署周期。
核心能力
增强的物理与传感器仿真
内置机器人模型架构与资源库
高效的合成数据生成与域随机化
对ROS2的深度集成与控制策略优化
适用范围
人工智能、智能科学与技术、机器人工程等专业的实验教学、学科竞赛与项目开发。
近期，哈工图南已与安徽工程大学联合成立具身智能实验室，MongoCase Bipbot将作为核心实验平台，支撑学生完成“理论学习→代码开发→仿真验证→真机实操”的全流程学习培养。
面对具身智能等行业人才缺口，MongoCase Bipbot拥有极大应用潜力，将为未来人才培养持续赋能。
研究院概况