一次真实机器人演示，数千个模拟副本——然后机器人在完全不接触真实数据的情况下也能干活
李飞飞的公司 World Labs 发布了其 7 月随初创企业 SceniX 一并收购的「真实—模拟—真实」引擎的首批成果。该系统把一次录制的真实世界机器人任务转化为数千个可控变体，改变光照、物体摆放、物理属性和相机角度，随后完全在这些模拟中训练控制策略。World Labs 称，未使用任何真实世界数据训练出的策略可直接迁移到硬件上，在另外四种机器人平台上无人干预自主运行一小时。评估方面，它在每个检查点用 2,000 次模拟运行对比 100 次真实运行，并报告模型排名在模拟与真实硬件上基本保持一致。所用的参考平台 ALOHA 为开源，图纸已公开。
为什么重要?机器人学习的瓶颈在物理世界：每个训练样本都要消耗一台真实机器人、一个真实房间和真实时间，任何一个夹爪坏掉就会中断整轮实验。这里真正有意思的主张不是训练，而是评估——如果在模拟中排名更高的模型在硬件上排名也更高，团队就能以软件的速度迭代，只在最后才动真机。这一步在机器人领域屡屡失败，因此在被当作定论之前，值得独立复现。
▶ 相关视频: Fei-Fei Li is Solving the Hardest Problem in Robotics | World Labs with a16z
在App中阅读——免费，9种语言
相关新闻
内华达为拉斯维加斯放行最多 8000 辆无人驾驶出租车——特斯拉的上限五周内从 10 辆升到 5000 辆2026-08-21Apple Music 将标注哪些歌曲由机器生成——但要不要说，取决于上传者
2026-08-21Stripe 刚以75亿美元买下一个模型路由器。几天后，Ramp 自己造了一个，并且免费送到一月。
2026-08-21Meta 的助手现在是一款 Mac 应用，能读你的屏幕、往任何窗口里打字——而它看到的东西可以用来训练模型
2026-08-21给AI答案打分的医生和律师，如今是一门五亿美元的生意——而这家公司八个月增长了五倍
2026-08-21