World Labs推出机器人仿真训练框架

时间：2026年8月15日（The Decoder 报道），World Labs 同步发布技术博客 地点：美国加利福尼亚州旧金山 / World Labs 总部 人物：World Labs 团队（创始人 Fei-Fei Li 等）、斯坦福 ALOHA 双臂机器人项目、英伟达 GR00T N1.6、Physical Intelligence π₀.₅ 模型 事件详情：The Decoder 8 月 15 日报道，World Labs 推出"现实到仿真到现实"（R2S2R）机器人训练框架，将单一现实机器人任务通过生成式世界模型与任务导向仿真扩展为数千个变体，用于训练通用机器人控制策略。系统可捕捉机器人、传感器、环境与任务演示，重建为可交互的虚拟世界，并在保留物理行为一致性的前提下改变光照、物体位置与数量、周围环境、摩擦属性、相机角度等参数。World Labs 在仿真与现实中并行运行相同动作序列，对比观察、物体运动与结果来验证精度。 背景：World Labs 由人工智能先驱 Fei-Fei Li 创立，专注"世界模型"（world model）研究——能够理解并生成三维、可交互场景的 AI 系统。公司在 2026 年发布的世界模型分类体系中，把可生成式仿真器视为关键支柱。机器人部署的核心瓶颈不是模型架构，而是机器人可靠运行所需的海量经验——真实数据成本高、难以控制，在线视频也无法系统性覆盖全部物体、物理条件与失败状态。R2S2R 框架尝试用仿真替代昂贵的硬件测试，让策略模型在仿真中训练后再迁移到真实机器人。 影响：World Labs 在 ALOHA（斯坦福开源双臂机器人）等四个平台上测试，控制模型每小时运行一次全程无人工干预，任务包括双臂缠绕冰箱电线、精确重排试管、从杂乱堆中分离细长物体（马克笔、铅笔）等。仿真与真实世界中模型排名高度一致，包括英伟达 GR00T N1.6 与 Physical Intelligence π₀.₅ 等不同模型和训练阶段，提示仿真可作为机器人策略评估的低成本筛选器，每个检查点使用 2000 次仿真 + 100 次真实运行评估。该框架首次让"仿真器替代硬件"成为可能，加速具身智能模型迭代。 总结：World Labs R2S2R 框架以生成式世界模型将单一真实任务扩展为数千个仿真变体，让机器人策略开发摆脱对真实硬件的高成本依赖，为具身智能的规模化训练与评估提供新范式。 参考来源： - https://the-decoder.com/world-labs-turns-one-real-world-robot-task-into-thousands-of-simulated-variations-for-training/ （The Decoder 8 月 15 日报道） - https://www.worldlabs.ai/blog/r2s2r-reality-to-simulation-to-reality （World Labs 官方博客） - https://www.worldlabs.ai/blog/taxonomy-of-world-models （World Labs 世界模型分类体系） - https://the-decoder.com/aloha-unleashed-google-deepmind-shows-progress-in-autonomous-versatile-robots/ （The Decoder ALOHA 介绍） - https://the-decoder.com/nvidia-positions-gr00t-n1-to-dominate-robotics-ecosystem/ （The Decoder GR00T N1 介绍） - https://the-decoder.com/physical-intelligence-shows-robot-model-with-llm-like-generalization-flaws-included/ （The Decoder π₀.₅ 介绍）