3.3
深览指数
科技微博·量子位··AI 生成
李飞飞World Labs收购SceniX，物理AI训练正从“采数据”走向“造世界
李飞飞创办的World Labs于7月21日收购机器人仿真公司SceniX，并发布R2S2R（Real-to-Sim-to-Real）成果，旨在将真实机器人任务搬入仿真环境训练后部署回真机。文章核心判断是：世界模型的下一站不是生成逼真画面，而是让机器人在虚拟世界中行动、试错、学习。文章同时大幅介绍了中国公司无问智科提出的“采集世界—生成世界—模拟世界”三位一体架构，认为其与World Labs的技术路线不谋而合，共同指向物理AI数据基础设施的构建。适合关注机器人、世界模型、具身智能投资或技术决策的读者。原文 ↗
核心观点
- ▍世界模型的核心能力正从生成逼真环境转向预测动作后果，即从Renderer走向Simulator，以支撑机器人训练。
- ▍物理AI数据基础设施的标准不再是数据量或资产逼真度，而是能否将真实任务扩展为大量有效的训练世界，并形成持续迭代闭环。
- 01World Labs于7月21日收购机器人仿真公司SceniX，一周后公布R2S2R成果，系统将真实任务搬进仿真，放大训练场景后再部署回真机。
- 02SceniX补上了真实任务重建、物理属性恢复、复杂交互模拟及机器人策略训练评测能力。
- 03无问智科提出“采集世界—生成世界—模拟世界”闭环：大规模无感野采真实数据，通过Scan2Sim和Gen2Sim技术将有限数据扩展为泛化分布，再通过双空间世界模拟器“无穹”进行物理推演。
- 04无问智科采用世界理解模型自动化处理数据管线，包含清洗、时空对齐、标注、跨格式转换，并通过Capture系列硬件反推采集设备形态。
- 05生成世界环节通过Gen2Sim围绕物体几何、外观、结构、物理属性等生成可控变化，形成“物理表亲”和“物理远亲”，并针对模型失败点反向生成数据。
反方 / 局限
- — 文章未提及任何反方观点、技术局限（如仿真到真实迁移的泛化鸿沟、物理参数校准的实际误差、计算成本）或行业竞争格局，全篇为单方面肯定。
10 分钟 · 4 卡片 · 11 资料
读原文 →