如视以真实三维数据构建Real2Sim路径 与SimFoundry形成互补
Real2Sim赛道分化：视频推演快速但精度有限，真实三维数据虽重但支撑工业级机器人训练。
李飞飞团队SimFoundry用单段视频生成可交互场景，如视则直接采集真实三维数据——毫米级精度、零累积误差，拥有6000万+真实场景库。视频仿真适合快速试错，真实三维数据被视为工业级落地核心刚需。
正文摘录
.jpg) 2026 世界人工智能大会（WAIC）已落下帷幕，本届大会中，具身智能的产业化落地进程成为行业焦点。大量实景机器人落地演示集中亮相，行业技术迭代与场景落地速度持续加快。当前，具身大模型、机器人控制算法仍保持高速演进，与此同时，多元的 Real2Sim 仿真技术路线，也在产业落地过程中逐步展现出不同的适配特性与技术边界。 7 月初，李飞飞团队联合英伟达 GEAR、佐治亚理工大学等机构发布全新 Real2Sim 系统 SimFoundry —— 基于单段普通 RGB 视频，自动构建可交互的物理仿真场景，快速生成大量场景 “数字变体”，为机器人快速扩量训练提供了全新技术路径，也让 Real2Sim 技术路线的产业价值得到进一步验证。  用二维视频 “猜” 世界固然是还原物理世界的一种方式， 但如视给出了不同思路 —— 不从视频去推演世界，直接从真实空间去构建世界。坐拥全球最大的 6000 万 + 真实三维空间数据，如视已搭建完成一座可直接开采、可复用、高保真的 SimReady “数据矿”。