什么是仿真到现实(Sim-to-Real)?
Sim-to-Real 指在物理仿真器中训练机器人技能,再迁移到真实机器人上,并弥合两者之间的“现实差距”。
更新:
定义
仿真到现实(sim2real)是指先在物理仿真器中学习某种行为(行走、抓取、平衡),通常用强化学习,再把这个策略放到实体机器人上运行。
怎么做
工程师在仿真器中建模机器人和环境,随机化物理和外观参数防止过拟合,在 GPU 上大规模训练,再部署到硬件并用真实数据微调。硬件也越来越多地为此而设计:波士顿动力 2026 年的 Atlas 手采用可反向驱动的直驱关节,就是为了高保真仿真(阅读报道)。
为什么重要
采集真实机器人数据又慢又贵。Sim-to-Real 是足式和人形机器人学会稳健行走的主要途径之一,并与遥操作采集的真实数据互补。
常见问题
为什么要在仿真里训练机器人?
仿真快、便宜、安全:可以并行跑上百万次尝试,摔倒或碰撞没有成本。
什么是现实差距(reality gap)?
仿真与真实世界之间的差异,如摩擦、电机延迟、传感器噪声和物体属性,会导致仿真中训练的策略在实体上失效。
怎么缩小差距?
域随机化(在仿真中随机改变物理和视觉参数)、精确的执行器模型,以及把硬件设计得易于仿真,比如波士顿动力 2026 年的 Atlas 新手。
相关报道
禾赛 Kosmo:把真实空间几分钟扫成机器人训练世界
激光雷达公司发布 Kosmo One(8K 空间相机)与 Kosmo World 云平台,并与 Galbot、Dexmal 合作;Dairy Queen 门店建模从约 300 小时降到 15 分钟。
Galbot 的 PASSAGE:让人形机器人低头、跨障、侧身挤过杂乱空间
在 Unitree G1 上,该规划–跟踪栈跑完 50 个未见过的物理布局且未摔倒,其中 45 次无接触;仿真到达成功率 98.67%,无接触 70.3%。
AWS 开源 Physical AI 工具链,对接 NVIDIA 栈
2026 年 10 月 8 日 AWS 发布开源 Physical AI 工具链,串联合成数据、SageMaker 训练、仿真与边缘部署,并接入 NVIDIA Isaac/Cosmos;RoboMaker 已于 2025 年关停。
波士顿动力为 Atlas 换上为量产设计的四指手
Atlas 新手 13 个自由度、没有小指、关节直驱,专为仿真到现实训练设计;同时现代在佐治亚开始训练 Atlas,Rohit Prasad 出任 CEO。
Skild 的 S1:在仿真里自己踢了相当于 140 年的足球
在发布可凭单条视频示范零微调执行任务的基础模型 S1 后,Skild 展示 Physical Self-Play:同一基座策略在 Isaac Sim 中自我对弈,再迁移到真人形机器人。
Apptronik 的 Robot Park:Apollo 2 机队为 Gemini Robotics 采数
奥斯汀人形机器人公司扩建约 9 万平方英尺训练中心,推出轮式/双足 Apollo 2,并与 Google DeepMind、奔驰、GXO 合作,数据服务商业化 Apollo 3。
Newsletter
Robrief 周报
每周一封,只讲重要的机器人新闻。免费,可随时退订。