问小创
告诉我你的需求，我帮你从站内挑最合适的 AI 工具。
2026年7月，斯坦福大学李飞飞团队联合英伟达GEAR实验室、佐治亚理工等多家机构共同发布全新具身智能训练系统SimFoundry，开辟Real2Sim全新技术路径，仅需一段真实世界视频即可自动生成可交互仿真训练环境，可将仿真环境搭建成本降低超90%，有效缓解传统Sim2Real模式下的模型迁移性能折损问题。
在具身智能赛道玩家都在头疼机器人训练成本的当下，这项最新研究直接击穿了行业长期存在的价格天花板。此前业内通用的Sim2Real训练模式下，搭建一套覆盖工业分拣、家庭服务等场景的仿真环境，不仅需要专业3D建模团队耗时1-3个月，单套成本普遍超过20万元，且训练完成的模型迁移到真实场景时，往往会出现20%-30%的性能衰减，直接拉高了具身智能产品的落地门槛。
过去五年，具身智能的算法迭代速度远快于落地进度，核心卡脖子环节就出在训练数据端。一方面，真实场景训练需要大量实体机器人跑数据，单台机器人成本动辄十几万，试错成本极高；另一方面，仿真训练虽然成本更低，但传统仿真环境和真实场景的物理属性差异大，导致训练出来的模型“水土不服”，这一问题也被业内称为“Sim2Real Gap”。
此前业内也曾尝试通过3D重建技术还原真实场景，但这类技术大多只能还原场景外观，无法复刻物体的摩擦系数、重量、可动结构等核心物理属性，生成的场景不支持机器人交互训练，只能用于可视化展示，无法解决实际训练需求。
本次发布的SimFoundry系统，首次实现了从真实视频到可交互仿真环境的端到端自动生成，核心创新在于“数字孪生+数字表亲”的闭环构建逻辑。
首先系统会对输入的普通真实场景视频进行帧级解析，自动提取场景内所有物体的几何结构、物理属性、交互逻辑，最快2小时就能生成和真实场景参数完全一致的高精度数字孪生环境。在此基础上，系统还能自动调整物体外观、摆放位置、场景光照等参数，生成成千上万组衍生的“数字表亲”场景，相当于为机器人提供了无限的训练样本库，无需额外采集真实数据。
公开测试数据显示，使用SimFoundry训练的机器人模型，迁移到真实场景后的性能折损从行业平均27%下降到了7.8%，而仿真环境的搭建成本仅为传统方案的不到10%，搭建周期从数月压缩到了小时级。
据了解，英伟达已经计划将SimFoundry系统整合到旗下Omniverse仿真平台中，最快2026年第四季度就会向行业开放商用接口，下游具身智能厂商不需要具备专业3D建模能力，仅需上传一段目标场景的视频，就能获得适配自身机器人的训练环境。
李飞飞在此前的内部分享中提到，具身智能的下一个核心节点是从专用场景走向通用场景，而仿真训练成本的下降，会让更多中小团队有能力参与具身智能的研发，进一步加速整个行业的技术迭代速度。目前已有包括工业机器人、家用服务机器人、自动驾驶在内的多个领域的厂商，正在预约SimFoundry的内测资格。
本文基于公开信息分析整理，仅供参考。更多AI工具动态与行业解读，请持续关注本站更新。
滇公网安备 53252802528133号