在演义阅读器读本章

去阅读

连年来辩论者们一直在试图通过仿真环境批量产出具身测验数据。

但是仿真环境和真实环境终究仍是有各异，在一些复杂场景中仿真环境还不可产出饱胀高质料的数据。

上海 AI Lab最新辩论，竣事了对布料等难办物品的物感性质真实再现，关联复杂条目的仿真数据质料达到了可堪一用的进程。

让仿真不再只是"类似现实"的器用，而是现实数据生成与战略学习的新进口。

具身智能的进展很快，但它真实卡住的地方也越来越清醒：不是模子不够大，而是数据不够多，尤其是高质料、可实践、可泛化的数据不够多。

柔体操作又是其中最缺数据的一类：它不仅景色空间强大，包含形变、战斗和拓扑变化，还自然依赖复杂的物理历程；而东说念主工遥操作成果低、会聚资本高，让真实数据弥远方在"够用但不够多"的景色。

在这么的配景下，SIM1 想回应的不是"还能不可再作念大一丝仿真数据"，而是另一个更要道的问题：数据率先要作念对，数据扩增的收益才会真实出现。

仿真一直被合计是搞定机器东说念主数据稀缺相称有但愿的解法，但愿通过"海量仿真数据"填平真实宇宙里的数据缺口。关联词很快，问题暴剖释来：这些仿真数据看上去许多，却并莫得真实和真实场景对皆。它们不错拿来作念预测验，却很难径直部署；一朝插足真实机器东说念主场景，仍是必须依赖后测验和真实数据修补。

这也让东说念主初始怀疑：仿真数据的极限，是否就只可停留在这里？

SIM1 想抒发的是，是不是之前人人一直在追求"更多"，却忽略了更伏击的一件事——数据率先要作念对，然后 scaling 的效益才会有所显现。

在这个真理上，SIM1 建议的是一个真实的 real-to-sim-to-real 新范式：从极少真实示范启航，生成在真什物理宇宙中不错径直实践的仿真数据，并最终把这些数据漂浮为可部署、可推广、可 zero-shot 迁徙的战略智商。这意味着，机器东说念主领域第一次有契机真实推敲属于我方的 scaling law ——智能不消再与真实宇宙数据会聚同步增长。

先看适度：SIM1 到底能请托什么

在展示的适度里，SIM1 卤莽把极少示范推广为 100 × 范围的轨迹数据；纯仿真测验可达到 90% 的 zero-shot 收效力；相较真实数据 baseline，泛化智商提高 50%；即使从零测验，也能达到 76% 的收效力。同期，它还带来了显赫的成果上风，包括 27 × 更低资本和 6.8 × 更快测验。

这些适度说明，SIM1 并不单是"作念出了一个更大的仿真集"，而是在再行界说数据的坐褥面目：数据不再是东说念主工一条条会聚，而是从极少种子启航，通过对皆现实的面目自动推广。

为什么 sim-to-real 一直失败

一个经久被冷漠的要道在于：sim-to-real gap 从来不是一个单点问题，而是多重错配的重迭。SIM1 将其归纳为三条同期存在的范围——几何、物理与绽开。几何决定空间结构是否一致，物理决定交互反映是否果真，绽开则决定轨迹是否顺应真实操作的时序与节律。三者统筹兼顾，唯有其中狂妄一环未被买通，测验出的战略就难以在真实宇宙中有用实践，只可局限于仿真环境中的祈望施展。

SIM1 的起点，恰是同期弥合这三重错配。SIM1 将数据生成链路举座重构为一个闭环：从真实场景启航，复刻高保真仿真环境，在物理一致的前提下推宽广范围操作数据，并最终回流至真实宇宙完成考据与部署。仿真不再是现实的类似，而成为现实的一种可推广抒发。

SIM1 的闭环：Scan it，Simulate it，Scale it

SIM1 不是单点手段，而是一套竣工的数据引擎。

它的第一步是Scan it：通过亚毫米级扫描，把真实柔体与场景重建为高精度数字孪生。与传统的粗粒度建模不同，这一步的假想不是"画一个同样的宇宙"，而是尽可能保留真实环境中的几何结构、褶皱纹理以及精准的空间关系，让仿真的开头径直缔造在现实之上。

第二步是Simulate it：构建与真实交互对皆的物理系统，让机器东说念主在仿真中的作用面目、布料的反映面目、以及举座形变能源学，都尽量逼近真实宇宙。对 SIM1 来说，这不是浅易地调用一个物理引擎，而是把仿真系统校准成一个可被信托的数据生成器。

第三步是Scale it：不再依赖剧本式轨迹编排，而是引入生成式武艺去推广操作数据。基础操作如捏取、拿起、折叠、开释，被行为可组合的动作词汇，再由模子学习奈何拼接、重组与延展，最终身成平滑、各样、此前未被显式示范过的轨迹。协作材质、光照和视角的当场变化，SIM1 便不错把极少演示推广为数万条可实践数据。

中枢冲突：让仿真真实"长入"布料

若是说 SIM1 的闭环搞定了"数据从那里来"的问题，那么 Deformation-Stable Solver 搞定的，即是"仿真为什么总会在布料上失真"的问题。

布料操作之是以难，是因为真实宇宙中的形变反映不是局部的、缓缓的或孤单的，而是全局的、快速的、强耦合的；一个局部拉伸，不时会在极短时安分影响扫数名义。

传统仿真在这类场景中容易出现蔓延传播、粒子漂移、局部抖动致使过拉伸伪影。SIM1 建议的要道假想，是把布料从"局部粒子系统"升级为"全局反映系统"：当局部拉伸卓越阈值时，修正力会在单步内传播到扫数网格，从而保持形变的一致性与踏实性。

这一步的真理不单是让画面更踏实，更伏击的是让仿真第一次真实尊重布料物理。关于依赖形变与战斗的操作任务来说，这种全局一致性，径直决定了仿真数据能否成为真实测验信号。

从手工会聚到数据工场

今天的机器东说念主数据会聚，施行上仍停留在"手工业阶段"：一个操作员，一次演示，一条轨迹。这种形式不仅资本奋斗，更难以阴私饱胀丰富的变化。一朝任务复杂度提高，数据便赶快变得稀缺、奋斗且不可推广。

SIM1 的想路，是将这条链路重构为一个自动化的数据工场。以约 200 条遥操作演示为开头，系统帅先索要出一组基础操作片断作为"动作模板"，再通过生成模子对这些基础单位进行组合、重排与推广，生成新的操作轨迹。同期，在材质、光照与视角等方面引入系统性变化，使数据散布得到进一步拓展，最终将几十条演示推广为数万条具备实践真理的轨迹数据。

更要道的是，这并非浅易的数据放大，而是一种范式迂回：从"东说念主工会聚"走向"组合生成"，从"有限阴私"走向"可控推广"。SIM1 的价值，正体当前这里——它不再是一次性产出样本的器用，而是一个卤莽络续生成、可学习、可复用、可推广测验信号的数据引擎。

仿真数据，能否替代真实数据？

SIM1 的谜底是：不仅不错，在某些场景下致使更强。在相易数据范围下，SIM1 测验出的战略不错达到很高的 zero-shot 收效力，并在真实部署中展示出踏实的实践智商。更值得贵重的是，当测试插足散布外场景时——举例空间变化、材质变化或光照变化—— SIM1 的上风反而愈加较着。

这背后的原因并不复杂：真实数据自然稀缺，只可阴私有限的采样点；而仿真数据唯有饱胀对皆现实，就不错围绕任务散布进行更大范围、更系统性的阴私。SIM1 的价值，不是替代真实数据的"极少良好"，而是补足真实数据难以达到的"无为阴私"。

更极点的考据来自从零测验。仅使用真实数据时，战略险些无法起步；而仅使用 SIM1 数据时，系统仍然卤莽学出有用战略并达到可不雅的收效力。这一适度说明，性能提高的要道并不单在模子本人，而在数据散布本人。

真实宇宙考据与技俩真理

最终，SIM1 的假想不是停留在仿真里面，而是回到真实机器东说念主上完成考据。

多任务、多场景的真机实验标明，基于 SIM1 测验的战略不错踏实实践，并在不同条目下保持较强泛化智商。这说明 SIM1 并不是在构造一个"更漂亮的仿真宇宙"，而是在缔造一条真实不错通向现实的测验旅途。

从更宏不雅的角度看，SIM1 代表的是一种新的数据范式：仿真不再只是现实的代理，而是现实数据的一部分；机器东说念主不消比及真实数据积攒到饱胀多，才初始赢得范围化智商。东说念主类仍然提供开头，但从那一刻初始，推广、生成与学习都不错由系统自动完成。

SIM1 并不单是是一个武艺，它更像是一个宣言：当仿真真实成为现实本人，机器东说念主数据的天花板也就被再行界说了。

技俩上线后赶快赢得温雅：在 X 平台发布 17 小时即冲突 20K 浏览量，获利 245 点赞，并激励来自多个所在辩论者的磋磨与互动。其中包括 VBD 作家 Anka、Newton 技俩作家 Eric Heiden、SoftMimicGen 作家 Masoud Moghani，以及来自 NVIDIA GEAR、DeepMind、Stanford、CMU、Princeton 等机构的温雅。

技俩主页：

https://internrobotics.github.io/sim1.github.io/

论文地址：

https://huggingface.co/papers/2604.08544

一键三连「点赞」「转发」「留意心」

包涵在驳斥区留住你的方针！

—  完  —

咱们正在招聘又名眼疾手快、温雅 AI 的学术剪辑实习生  � �

感兴趣的小伙伴包涵温雅 � �  了解细目

� � 点亮星标 � �

科技前沿进展逐日见kaiyun平台登录入口