群核科技联合英伟达等推物理AI仿真平台SPEAR，三成果入选ECCV2026
群核科技展示物理AI基础设施成果，SPEAR等三篇论文覆盖仿真、数据生成与评测，为机器人提供可训练的全流程支撑。
群核科技三篇论文入选ECCV 2026，联合英伟达、Adobe、Apple等推出SPEAR仿真平台（开放超14000个Python接口）；另提出Syn-GRPO数据自进化框架和WalkerBench空间智能评测基准，系统打通物理AI的感知、学习与训练全链路。
正文摘录
欧洲计算机视觉顶级会议 ECCV 2026 正式公布论文录用结果。群核科技共有三篇论文入选，涵盖空间感知与推理、强化学习数据生成、高保真物理仿真等物理 AI 关键领域。ECCV 与 CVPR、ICCV 并称计算机视觉领域三大国际顶级会议，聚焦空间感知、具身智能、物理仿真等领域学术成果。 当前，随着人工智能从数字世界走向物理世界，行业关注点正在从“大模型能否理解语言”转向“智能体能否理解空间并在真实世界中行动”。空间理解、仿真训练和持续学习能力，正成为物理 AI 发展的核心基础设施。群核科技此次入选 ECCV 的三篇论文，恰好对应物理 AI 从感知、学习到行动训练的关键环节，系统性展示其在物理 AI 「数据 — 仿真 — 测评」的全链路成果。 ”如果说大模型时代最重要的基础设施是算力，那么物理 AI 时代最重要的基础设施正在变成仿真与数据。机器人无法像语言模型一样从互联网学习，而是需要在符合真实物理规律的环境中不断感知、试错和交互。因此，高保真仿真平台已经成为物理 AI 不可或缺的数据生产与训练支撑体系。“群核科技首席科学家唐睿提到。 针对现有仿真工具可编程性不足、数据传输效率低、缺少大规模结构化场景资产等问题，群核科技联合 Adobe、NVIDIA、Apple、Intel 等机构提出 SPEAR，探索下一代面向物理 AI 的高保真仿真平台。 SPEAR 融合了 NVIDIA 在机器人训练生态的积累，群核科技的空间数据和结构化场景能力，Apple、Adobe 的内容资产领域等优势，打通了“空间数据—数字世界—机器人训练”的关键链路。相比同类仿真器，SPEAR 开放超过 14000 个原生 Python 接口，实现高度可编程控制；同时可同步输出深度图、表面法线、实例分割、语义分割、材质 ID 等丰富物理属性数据，为机器人提供更完整的环境感知能力。