地瓜机器人推出世界模型Uranus，定位机器人评测与仿真基础设施
地瓜机器人推出世界模型Uranus，作为评测与仿真基础设施，让机器人模型训练更高效、分数更贴近真实。
地瓜机器人发布世界模型Uranus，不做机器人大脑，而是做评测裁判和训练场地：通过生成逼真视频模拟环境，以帧级闭环实时交互，解决真机评测慢、难复现以及仿真与现实差距大的问题，让模型迭代更快、分数更可信。
正文摘录
然而，最近有一个叫「Uranus」 的世界模型发布，不当具身大脑，却做机器人开发的基础设施，在市面上鲜有同类。 一个是 benchmark。如今许多评测基准的公信力不够强，它想更客观地评测 VLA 和世界模型，做公正的 "裁判"。 另一个是 sim-to-real 的 gap。传统仿真器里跑出来的分数很漂亮，搬到真实场景却对不上，它想做机器人训练的 "场地"。 开发 Uranus 的团队来自地平线分拆而来的机器人公司地瓜机器人。这家公司做的是 "卖铲" 生意，定位是机器人软硬件通用底座提供商。 虽然同行都在盯着机器人的大脑，但地瓜机器人的判断是：脑子要变聪明，先得有一个能让它反复试错、稳定考试、还能复盘成绩的平台。 现在机器人常用的 benchmark 有两种。第一种是 真机评测 ，把训好的模型搬上真实机械臂，在固定的场景和任务里反复跑几十上百次，最后统计成功率。 它的缺点很明显：一是效率低，验证一个模型，得有人守在机器旁边，反复重置环境，又慢又贵。 另一个是难以复现。哪怕环境看起来一样，每次物体怎么摆、光照怎么变，都很难控制。一篇论文发表后，其他实验室很难复现其中的评测结果。 第二种是 传统仿真器评测 。它的优点是快、便宜、能复现；但麻烦是 sim-to-real gap，仿真里的评测分数很高，一搬到真机就要打折，分数和真实能力无法匹配。 而 Uranus 走的是 第三条路 。 用户训练好模型后，Uranus 能根据模型输出的动作一步步生成环境反馈，再得到成功率、轨迹偏差等指标。 这样做的好处是：迭代效率比真机评测高很多，能控制变量，还能稳定复现；评测分数和模型在真实场景中的实际能力呈正相关，sim-to-real 的 gap 很小。