让机器人在仿真里“长大”，再走进现实（千行百业看海归）

本报记者 孙亚慧

张立华(左一)与团队成员在优化模型。 (受访者供图)

不久前，在上海举行的2026全球开发者先锋大会上，可微分物理仿真引擎Fysics正式发布，该引擎为具身智能、人形机器人、自动驾驶等产业加快走向规模化落地提供了有力支撑。

项目负责人张立华曾长期供职于海外科技企业，在十五年前回国创业，目前担任复旦大学智能机器人与先进制造创新学院副院长。从游戏世界里的“裙尾摆动”，到具身智能所需的“高精度接触解算”，在这场关于“物理世界模拟”的自主技术突围中，张立华正带领团队实现更多突破。

给数字世界赋予“物理规律”

2000年，从清华大学毕业的张立华赴海外深造、工作。在国际知名科技企业任职期间，他专注于物理仿真和异构计算技术研究。可以说，没有异构计算技术的发展，包括深度学习和大模型在内的人工智能技术难以达到今天的水平。但彼时，国内掌握异构计算技术的专业人才并不多，也为他多年后回国创业埋下了伏笔。

“中间有一次，我回到母校与同学们交流。当时全场仅有两三名学生举手表示熟悉该领域，我当时意识到，其中蕴藏的创业潜力相当大。”正是这份对技术差距的认知，让他萌生了归国的想法。

2011年，张立华放弃海外工作，先后在北京、长春创业，聚焦异构计算与人工智能技术研发转化。2017年，他受邀参与复旦大学新工科建设，参与创建智能机器人研究院、卓越工程师学院等多个科研与人才培养平台。

今年三月下旬，由他担任创始人的飞捷科思智能科技(上海)有限公司正式发布可微分物理仿真引擎Fysics，并同步推出覆盖仿真训练平台、基础模型及评测基准等在内的全栈物理AI技术基座体系。

物理仿真引擎是什么？张立华用一个形象的例子解释：“比如游戏中有人物跳舞的画面，衣服的摆动、裙摆的飘动、布料的褶皱等等要特别逼真自然。电影里的爆炸特效，看起来也要跟现实世界中的一样。这些都不是实拍画面，也不是动画师事先设计好的动画效果，而是依靠物理仿真引擎在虚拟世界里按照现实世界中的物理规律计算出来的。”

精度不够，训练再好也可能“失灵”

“物理引擎解决的就是‘物理真实’的问题。”张立华表示，“一个是视觉真实——用GPU渲染画面，让光影效果更加逼真；另一个是物理真实——让物体的运动符合力学等真实物理规律。两者加起来，数字世界才能更接近现实世界。从3D游戏、电影特效到虚拟现实、数字孪生、自动驾驶训练，物理仿真技术一直扮演着关键角色。以自动驾驶为例，厂商也会构建虚拟仿真训练场，让智能驾驶汽车在虚拟环境里跑几千万甚至上亿公里，去测试那些现实中很难复现的长尾、危险场景，从而有效提升算法的鲁棒性和安全性。”

然而，当产业界将更多目光投向具身智能和人形机器人时，如何更好解决虚实迁移问题成为难点之一。研究机器人，绕不开仿真平台。

“大家普遍面临一个难题：当把在虚拟场景里训练的机器人的算法迁移到真实的机器人身上时，却发现没那么灵。学界将之称为‘仿真到现实迁移’问题。”张立华说。

造成这一问题的原因很多，其中之一便是物理引擎本身的仿真精度不足。张立华解释：“如果物理引擎模拟出来的物理规律跟现实世界存在偏差，那训练出的机器人自然难以适应真实环境。”

例如，若接触建模不够精准，就很难训练出高精度的灵巧操作，这正是制约行业发展的瓶颈之一。无论是工厂作业还是家庭服务，机器人的落地应用都离不开灵巧手与物体、与人体的接触操作，这对传统物理引擎在接触建模时的仿真精度提出了极高的要求。

正是瞄准这一痛点，张立华团队研发的可微分物理仿真引擎Fysics，将“高仿真精度”作为核心突破口之一。

为具身智能落地提供更好支撑

张立华介绍，大语言模型使用的文本数据或音视频数据，属于“观察者视角”的数据，但具身智能需要“交互者视角”的数据。一个符合训练要求的抓取动作数据，不仅要包含视觉信息，还应包含实时的力反馈、触觉感知以及电机扭矩的连续变化。“目前互联网上很少有现成的、能直接映射到机器人感知与控制链路上的‘多模态指令—动作’数据集，这正是现阶段我们面对的主要挑战。”他说。

从技术层面来看，张立华与团队希望Fysics引擎能实现更高精度的接触解算，从而为具身智能落地提供更好支撑。

“可以这样理解：传统物理引擎像一个纯物理计算系统——给定输入，它会算出下一个时刻的状态，但可微分物理引擎可以告诉人工智能：‘你刚才的输入让你离目标更远了还是更近了’。”张立华介绍，通过梯度反向传播，可以让学习系统知道哪里错了、该怎么修正，从而大幅提升模型训练效率。

真实世界有软体、流体等多种材质，现有引擎实现不同材质间的交互时往往对不同材质分开建模、求解再实现耦合传递，既不准确也不稳定。在这一背景下，张立华团队采用统一的求解框架处理多种物理材质，以提升系统的稳定性和计算可靠性。

在上海发展多年，张立华对这里的科研环境深有感触。“上海的新兴产业政策同时兼顾了前瞻性和连续性，为科研与产业融合提供了优质土壤。我们做的不只是新一代可微分物理引擎，也希望能为国产GPU打造一套更加自主可控的生态体系。”张立华说。