World Labs 将一项真实世界的机器人任务转化为数千种模拟变体用于训练

事件核心：发生了什么

据 The Decoder 8月15日报道，World Labs 展示了这套 R2S2R 引擎，技术来自该公司 7 月收购的机器人仿真创业公司 SceniX。引擎会将机器人、传感器、环境和任务演示一起重建为一个物理行为一致的交互式虚拟世界，并通过改变光照、物体位置和数量、环境背景、摩擦力、相机角度等条件，从单条真实任务数据生成数千个仿真变体。

World Labs 强调，这些控制模型从未在真实硬件上训练过，但迁移后可以在 ALOHA 等五个机器人平台上无人工干预各运行一小时，任务包括双手缠绕电源线、试管精确重排、从密集杂物堆中分离记号笔等。在评估环节，团队用 ALOHA 机器人做双手方块交接测试，GR00T N1.6 和 π₀.₅ 等模型在仿真与真实场景中的表现排名基本一致；每个检查点用 2000 次仿真和 100 次真实运行来验证。

为什么重要

World Labs 提出的核心判断是：机器人部署的瓶颈不在模型架构，而在机器人积累经验所需的数据量。真实场景数据采集昂贵且难以控制，在线视频又无法系统覆盖各种物体、物理条件和失败状态。R2S2R 的价值在于把仿真从“辅助工具”提升为“评估标准”——好的仿真不需要与真实效果完全一致，只要它能回答同样的问题：模型在哪些环节失败、哪个版本更好、改进是否能迁移到物理世界。

这套思路与自动驾驶领域部分 L3/L4 系统采用“真实+仿真混合训练”的路线相似。World Labs 将其置于自家世界模型框架的核心位置，因为仿真器把世界变成一个软件智能体可以行动、学习和被测试的环境。按照公司的长期目标，要扩展机器人的智能，就必须扩展机器人学习所在的“世界”。

对用户/开发者/创作者的影响

对机器人开发团队而言，仿真驱动的评测流程可以先用低成本仿真筛掉表现差的模型版本，再把昂贵的真实硬件测试留给最有希望的候选者。ALOHA 这类开源双臂平台再加上仿真引擎，可能让资源有限的小团队也能进入高质量机器人学习训练。对采购机器人解决方案的企业来说，未来评估供应商时，“仿真筛选+真机验证”的混合流程可能比单纯依赖真机演示更可信。对普通用户，这项技术的短期影响有限，但若仿真泛化能力持续提升，家务、服务类机器人应对真实场景

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。