SetupAI
EN
來源近期收集於 24h

虛擬世界正在訓練真實機器人

閱讀原文： BBC Technology
#robotics#simulation#sim-to-real

模擬正成為教導機器人應對實體世界的核心資料引擎。

30 秒速覽

有什麼變化

模擬技術正被用於訓練機器人與真實世界互動。

為什麼重要

更好的模擬技術可降低實體機器人資料收集的成本與危險。主要工程風險仍是模擬到現實的落差，即虛擬學到的行為在部署時失效。

下一步行動

使用領域隨機化建立模擬到現實的原型流程，並在少量實體機器人任務上驗證策略。

誰應關注：Researchers & Academics

關鍵要點

  • •模擬技術正被用於訓練機器人與真實世界互動。
  • •虛擬環境可支援更成熟的機器人訓練系統。
  • •這種方法針對實體導航與操作等挑戰。

深度解析

背景與延伸：來自公開資料，非原文內容。引用 14 個來源。

增強重點摘要

  • •GPU 加速物理引擎（如 NVIDIA Isaac Sim 與 MuJoCo）能以超越真實時間數千倍的速度執行模擬，使機器人能在數天內累積數十年的試錯經驗，完全避免實體硬體磨損。
  • •World Labs 於 2026 年 7 月收購 SceniX 以擴展其 Real-to-Sim-to-Real（R2S2R）管線，將單次真實世界操作展示自動轉換為數千種具備控制變化的合成訓練環境。
  • •動作條件生成式世界模型（如 World-Gymnast）讓機器人策略直接在潛在虛擬展開中學習，在操作基準測試中相較傳統監督式微調（SFT）展現高達 18 倍的效能提升。
  • •透過領域隨機化（Domain Randomization）技術訓練的機器人策略，在動態冰上曲棍球等任務中已實現零樣本（Zero-shot）遷移，具備低於 20 毫秒的即時反應延遲與毫米級追蹤精度。
  • •寶馬集團（BMW Group）與 Hexagon Robotics 已在萊比錫工廠產線上導入 AEON 人形機器人，該機器人的行為策略完全在虛擬 Gym 模擬環境中完成預訓練與驗證。

競品分析

NVIDIA Isaac Sim / Omniverse
核心定位與技術特色
基於 OpenUSD 與 GPU 加速的高保真物理模擬平台，整合 Isaac Lab 與 Cosmos 基礎模型
商業模式 / 定價策略
企業授權（Omniverse Enterprise）與雲端計算計費
關鍵基準表現與應用場景
支援數千倍超實時並行模擬，廣泛應用於製造業數位雙生與人形機器人訓練
Google DeepMind MuJoCo
核心定位與技術特色
專注於多關節動力學接觸計算的高速物理模擬引擎，架構輕量且計算效率極高
商業模式 / 定價策略
開源且免費提供學術與商業使用
關鍵基準表現與應用場景
強化學習演算法與機器人運動控制研究的首選基準平台
World Labs (R2S2R)
核心定位與技術特色
空間智慧生成式世界模型，將單一實體示範自動擴增為高度擬真的互動環境
商業模式 / 定價策略
商業化企業解決方案（估值超過 10 億美元）
關鍵基準表現與應用場景
透過 World-Gymnast 架構在機器人操作基準上超越傳統 SFT 達 18 倍

技術深入

  • 物理引擎與並行加速：採用 NVIDIA Isaac Sim、MuJoCo 與 PyBullet 等 GPU 加速物理引擎，即時計算關節扭矩、剛體碰撞及接觸動力學，運算速度超越真實物理時間數千倍。
  • 標準化場景與資產描述：使用 Universal Robot Description Format (URDF) 與 Pixar/NVIDIA 的 Universal Scene Description (OpenUSD)，精確定義機器人質量分佈、轉動慣量、關節運動學以及感測器（LiDAR、RGB-D 相機）配置。
  • 領域隨機化（Domain Randomization）：在虛擬環境中對摩擦力、質量、馬達延遲及感測雜訊進行連續擾動，有效弭平真實與虛擬之間的落差（Sim-to-Real Gap）。
  • 自動化重置機制：結合 OmniReset 等強化學習架構，自動在模擬中生成隨機起始狀態，省去人工重置實體硬體與獎勵塑造的繁瑣流程。
  • 潛在動作條件生成模型：部署如 World-Gymnast 等架構，直接在潛在空間展開互動式虛擬影片模擬，進行端對端策略訓練。

前景展望基於引用來源的 AI 分析

實體遙控操作數據收集將被合成環境生成全面取代
生成式世界模型與 R2S2R 技術能將單次操作擴展為數萬種變體，大幅降低實體數據採集的硬體折損與人力成本。
人形機器人量產部署前的虛擬認證將成為產業強制標準
如寶馬等車廠實測證明，虛擬 Gym 能在零實體風險下驗證所有極端碰撞與邊緣案例。

時間線

2019-10
OpenAI 透過領域隨機化模擬成功讓機器人單手解開魔術方塊
2021-10
DeepMind 收購並開源 MuJoCo 物理引擎以推動機器人研究
2024-03
NVIDIA 推出 Isaac Lab 與 Project GR00T 推進人形機器人模擬訓練
2026-07
空間智慧新創 World Labs 收購 SceniX 以擴展 R2S2R 生成式模擬管線
2026-08
寶馬集團於萊比錫工廠驗證經虛擬 Gym 預訓練之 AEON 人形機器人
閱讀原文： BBC Technology

AI 週報

閱讀本週精選 AI 大事摘要 →

PostLinkedIn

AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： BBC Technology ↗

這是摘要，不是原文。去看原站，或訂閱每週簡報。

每週電子報

每週一封，可隨時退訂。