在具身智能领域，“Sim2Real”（从仿真到现实）一直是绕不开的难题，不仅仿真环境搭建成本高昂，模型迁移到现实世界时也常出现性能折损。近日，由李飞飞团队联合英伟达GEAR实验室、佐治亚理工大学等多家机构共同发布的一项全新研究，为这一困境提供了新的破局思路:Real2Sim。
这项被称为“SimFoundry”的系统，通过一段真实世界的视频，即可自动生成一个具备交互能力、可进行训练与评测的机器人仿真环境。与传统的3D场景重建不同，SimFoundry实现了对真实世界的深度解析与重构，通过自动化技术大幅降低了仿真环境的搭建门槛。
SimFoundry的核心创新在于“数字孪生”与“数字表亲”的闭环构建。首先，系统通过提取视频信息，解析出场景中的物体几何结构、物理属性及交互功能，构建起高精度的“数字孪生”。在此基础上，系统能够自动调整物体的外观、形态、场景布局甚至操作任务，生成海量的“数字表亲”。这意味着，开发者仅需一段真实视频，就能获得几乎无限的训练数据，从而让机器人在仿真中完成从策略学习到自动评测的全过程。
实验数据显示，SimFoundry展现出了卓越的预测能力，其在仿真中评测出的机器人表现，与真实世界的实际结果具有极高的一致性。更重要的是，基于这些自动生成数据训练出的机器人策略，能够实现“零样本”迁移，在多步操作、双臂协作等复杂任务中表现优异。
这一研究由多位机器人领域的权威学者共同署名，包括英伟达GEAR实验室的核心研究者及李飞飞团队成员。随着该系统的开源与应用，具身智能机器人的开发流程有望迎来重大变革——不再依赖昂贵的人工采集与建模，而是通过生成式技术，让机器人更快地从实验室走向真实世界。
论文地址:https://arxiv.org/pdf/2606.28276v1
在人工智能产业爆发式增长的推动下，全球存储芯片巨头SK海力士计划本周在美国纳斯达克启动上市，预计筹资280亿美元，有望成为史上第二大IPO。此次上市将发行存托凭证（ADR），每10份ADR兑1股普通股，最终条款本周敲定。
Deep Code开源终端编程助手因深度适配DeepSeek-V4系列模型受关注，主打高质量推理与代码生成。历经迭代至v0.1.31版，功能趋于成熟，支持VS Code插件模式，为开发者提供新的辅助选择。
AI智能体“ElementsClaw”仅用28 GPU小时扫描240万种稳定晶体，筛选出6.8万种潜在超导体，效率远超人类百年摸索，颠覆了传统“炒菜式”试错研究。
复旦大学数据挖掘课期末考变身“出题人大赛”：学生需自创10道带唯一答案的计算题，让AI解答。得分规则反转：AI答错越多，学生成绩越高，以此激励学生深入掌握知识、设计高难度题目，检验AI短板，实现教学创新。
日本公布《人工智能机器人战略》新方针，计划到 2040 年在制造业、医疗、农业等 18 个行业部署 1000 万台 AI 机器人，以系统性应对少子老龄化引发的劳动力危机。
关注 “悠AI” 更多干货技巧行业动态
相关文章
