World Labs 发布 R2S2R 仿真引擎打通机器人训练闭环
World Labs 发布 R2S2R 引擎，让机器人策略仅在仿真中训练就能直接部署到真实场景运行1小时，突破了仿真-现实迁移瓶颈。
World Labs 发布 R2S2R（Real-to-Sim-to-Real）引擎，先将真实机器人任务搬进虚拟世界重建，再让机器人在仿真中训练和评估策略，最后部署回真实硬件。全程无需真实数据参与，策略已能连续自主运行1小时无故障。打通了世界模型从生成虚拟世界到训练真实机器人的闭环。
正文摘录
李飞飞的世界模型，终于开始训练机器人了 来源：量子位 刚刚，借助新收购机器人公司 SceniX 之力，World Labs 发布了全新的机器人策略训练与评估引擎—— 这套引擎将 World Labs 空间智能的版图从生成可交互的虚拟世界，进一步延伸到了真实机器人的训练、评估与部署，并 首次打通了从仿真训练到真实运行的闭环。 其中，Real-to-Sim （现实到仿真）负责把现实中的机器人、传感器、物体以及交互过程搬进仿真，构建与真实任务对齐的虚拟环境。 Sim-to-Real （仿真到现实）则让机器人在这些虚拟环境中完成训练和评估，再将策略直接部署回真实世界。 李飞飞老师在 X 上表示，基于这套方法训练出来的策略，即使完全没用过真实世界数据，也已经能够连续自主运行 1 小时，无需人工干预。 通过对齐策略在仿真与现实中的运行过程，真实世界里的成功、失败及其触发条件，都可以在虚拟世界中被复现和分析。 可以说，R2S2R 不仅打通了世界模型从生成世界，到训练、评估和部署真实机器人的闭环，也推进了李飞飞此前提出的世界模型三分法中，最关键的一块—— 在她的经典划分中，世界模型可以承担三种功能：渲染器负责生成观察，仿真器负责模拟世界状态，规划器则负责输出行动。 而 R2S2R 所做的，正是让 World Labs 生成的世界从“看起来真实”，进一步变成机器人真正能够进入、交互和学习的训练场。 当前机器人发展的主要瓶颈，已经不只是模型架构，而是缺少能够规模化获取的经验和评估。 要让机器人真正走出实验室，就必须提前覆盖足够丰富的场景，并反复测试它在什么情况下会成功、又会在哪里失败。 每轮实验都要占用硬件，人工重置物体、恢复失败并维护系统。即便拥有海量人类视频，也很难系统覆盖不同环境、物体属性、机器人状态和失败条件。