이미지: The Decoder
摘要
- World Labs发布了R2S2R引擎，能将单个真实机器人任务再现为数千种虚拟环境变体来进行训练
- 用该引擎训练出的控制模型在包括ALOHA在内的5个机器人平台上分别实现了1小时无人工干预运行
- 该技术源自World Labs去年7月收购的SceniX，其出发点是认识到机器人开发的瓶颈在于真实硬件测试
- 개발사
- World Labs (페이페이 리 창업)
- 엔진명
- Real-to-Sim-to-Real (R2S2R)
- 기반 기술
- SceniX — 2026년 7월 월드랩스가 인수
- 변형 요소
- 조명, 물체 위치·개수, 환경, 마찰 등 물리 속성, 카메라 각도
- 테스트 결과
- ALOHA 포함 5개 로봇 플랫폼에서 각 1시간씩 무개입 작동
- 테스트 작업 예
- 냉장고에 전선 감기, 시험관 재배치, 얇은 물체 분리
一个机器人动作膨胀为数千个
如果实际拍摄一个机械臂将电缆插入孔中的动作，World Labs的新引擎会通过改变光照、物体位置和数量、周围环境、摩擦力等物理属性，甚至摄像机角度，将其扩展为数千个虚拟变体。李飞飞创立的初创公司World Labs于8月15日发布的这款模拟引擎名为"Real-to-Sim-to-Real"，简称R2S2R。其方式是捕捉机器人、传感器、作业环境及演示视频后，重构出的不只是外观相似，而是物理反应完全一致的虚拟世界。该技术源自World Labs去年7月收购的初创公司SceniX。
公开的示例包括整理排布电缆的作业、将有弹性的电缆末端插入孔中的作业，以及用双手往箱子里装物品的作业。这些都是需要处理刚性物体、运动物体乃至形变物体的任务。
将虚拟与现实并列比对
公司同时公布了验证生成的虚拟世界与真实世界相似程度的方法。World Labs让相同的动作序列在模拟环境和真实机器人上同时执行，然后比较观测值、物体运动轨迹及结果。这一比对过程正是判断模拟能否充当真实硬件替代品的标准。
5个机器人各运行1小时，无需人工干预
仅在虚拟环境中训练出的控制模型随后被转移到真实机器人上进行测试。第一个测试对象是ALOHA——斯坦福大学开发的开源双臂机器人，通过两个小型操作臂进行远程操控。相比商用系统它成本低得多，且设计图完全公开，因而在机器人研究中常被用作基准平台。
World Labs表示，包括ALOHA在内，共有5个不同的机器人平台上，每个模型都实现了1小时无人工干预运行。作业内容多样，从用双手给冰箱缠绕电源线，到精确重新摆放试管，再到从缠绕在一起的杂物堆中挑出记号笔、铅笔等细长物体。公司说明称，该系统并未绑定于特定的控制模型或机器人类型——也就是说，一次重构出的虚拟世界之后可以被复用于其他模型、其他机器人。
| 测试平台 | 无干预运行时长 | 代表性作业 |
|---|---|---|
| ALOHA（斯坦福开源） | 1小时 | 基于远程操控的精密操作 |
| 另外4种平台 | 各1小时 | 缠绕电线、重新摆放试管、分离细长物体 |
为何是现在这种方式
World Labs指出，机器人部署延迟的原因与其说在于模型结构本身，不如说在于机器人要稳定运行所需的经验量。他们认为，真实世界数据采集成本高、难以控制，即便是网络视频也无法系统性地涵盖各类物体、物理条件及失败情形。语言模型只要有文本就能大规模评估，而机器人控制模型迄今为止只能通过在真实硬件上实际运行来确认性能。World Labs认为，模拟不必产生与现实完全相同的成功率，重要的是能否回答同样的问题——只要能分辨出模型在哪里失败、哪个版本更优即可。
编辑视角
过去一两年，机器人学领域最常听到的说法就是"数据不足"。无论是Dyna Robotics训练了100万小时人类视频，还是NVIDIA大力推进基于视频的世界模型概念，归根结底都是试图以不同方式突破同一个瓶颈。World Labs的R2S2R则从正面以不同方式攻克这一瓶颈——不是收集更多数据，而是把已有的单个数据扩展为物理精确的虚拟世界来复用。语言模型几乎是免费吸收互联网文本，而机器人必须在物理世界中亲身碰撞才能获得数据，用模拟来绕过这一成本的想法本身并不新鲜，但自收购SceniX以来，能做到这种完成度的公司并不多见。
从实务角度看，真正让人感受到差异的不是"模拟与现实有多相似"，而是把标准降低为"能否回答同样的问题"这一点。跟踪这类规模的机器人初创公司，总会得出相同的结论——模拟器完美复现物理规律这件事多年来都遥不可及，但就为模型排名、找出失败点这种用途而言，目前水平的模拟已经足够实用。World Labs正是精准瞄准了这条较低的门槛。
对于国内从事机器人基础模型开发的团队来说，这次发布值得关注的地方在于可复用性。如果"一次重构的虚拟世界可原样应用于其他模型、其他机器人"这一说法属实，那么此前每个机器人平台都要从零搭建模拟环境的成本将大幅降低。不过，五个平台各一小时的验证周期，充其量只是实验室层面的证明，尚不足以作为商业部署的依据。
未来几个月的看点在于，这种R2S2R方式能多快被其他机器人初创公司吸纳进各自的基础模型训练流程中。机器人学习摆脱对真实硬件依赖的速度，将直接决定整个行业的开发周期。
