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”。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号