李飞飞署名具身新论文：Sim2Real烧不起，Real2Sim量大管饱

henry 发自 凹非寺
量子位 | 公众号 QbitAI

还在聊Sim2Real？现在机器人圈更火的是Real2Sim！

最近，英伟达GEAR联合李飞飞团队、佐治亚理工大学等机构联合发布全新Real2Sim系统——

SimFoundry

SimFoundry只需一段真实世界视频，就能自动生成一个可以交互、训练、评测的机器人仿真环境。

而且可不光是3D场景重建这么简单。

SimFoundry还能在保持物体功能和Affordance不变的前提下，自动更换物体、调整场景布局，甚至生成新的操作任务。也就是说，一段真实视频，不再只能得到一个仿真场景，而是能够自动扩展出几乎无限的数据生成空间

由此，SimFoundry不仅可以在仿真里训练机器人，还能较为可靠地预测不同机器人策略在现实中的真实表现。

更进一步，在SimFoundry生成的数据上训练出的策略，还能够零样本部署到真实机器人，在多步操作、双臂协作、带关节物体操作等多个任务上完成真实世界迁移。

这是怎么做到的？

一段视频，生成无限训练场景

SimFoundry 的核心贡献，在于打通了场景生成、数据生成、策略评测和策略训练的整个Real-to-Sim闭环。

一直以来，机器人策略的训练一直高度依赖真实世界数据，而真实机器人采集数据不仅昂贵、耗时，还很难规模化。

即便模型训练完成，真机测试同样受到场景有限、测试成本高等因素的制约。

正因如此，研究人员开始将仿真（Simulation）作为训练和评估机器人策略的一种可扩展替代方案。

借助自动化数据生成技术，可以以极低的人力成本合成大量多样、高质量的训练数据，不断提升机器人在真实世界中的泛化能力。

与此同时，越来越多研究也发现，只要仿真环境足够逼真，其评测结果与真实世界的机器人表现往往具有很强的一致性。

不过，新的问题又出现了。

虽然仿真能够提供近乎无限的数据，但搭建一个具备真实几何、物理属性和交互能力的仿真环境，本身仍然需要大量人工建模。

于是，近两年Real-to-Sim逐渐成为具身智能领域的热门方向。

简单来说，Real-to-Sim希望利用3D重建和生成模型，将真实世界快速转换成支持物理交互的仿真就绪（Sim-ready）环境，从而大幅降低人工搭建仿真场景的成本。

但问题在于，已有的Real-to-Sim方案往往只能解决其中一个环节：有的擅长重建3D场景，却无法生成训练数据；

有的能够进行策略评测，却依赖大量人工配置，也难以扩展到丰富的场景和任务。

基于此，SimFoundry 的思路就是把场景构建、数据生成、策略评测和策略训练串成了一条完整流水线。

整个系统主要完成三件事：

• 自动重建可交互、可仿真的数字孪生（Digital Twin）；
• 自动扩展物体、场景和任务三个层面的数字表亲（Digital Cousins），持续生成训练数据；
• 利用这些仿真环境同时完成策略评测和策略训练，形成从真实世界到仿真、再回到真实世界的完整闭环。

（注：数字孪生（Digital Twin）是对真实场景的精确复刻；数字表亲（Digital Cousins）则保持场景的功能和交互方式不变，但会对物体、布局或任务进行合理变化。）

为了实现这一目标，SimFoundry设计了一套三阶段Pipeline。

三阶段pipeline

整个SimFoundry的流程并不复杂，可以概括成三个阶段：

Extraction（提取）→Generation（生成）→Augmentation（增强）

一句话来说，就是先理解真实世界，再搭建数字世界，最后批量创造新的数字世界

第一步：Extraction（提取）——理解真实场景。

系统输入一段普通RGB视频后，首先利用深度估计恢复三维点云，再通过视觉语言模型（VLM）和SAM 3等分割模型，将场景中的物体逐个识别、分割出来。

每提取一个物体，就利用图像修复（Inpainting）将其从画面中移除，继续寻找下一个目标，直到完成整个场景解析。

第二步：Generation（生成）——搭建数字孪生。

对于提取出的每个物体，SimFoundry会利用2D-to-3D模型生成三维网格，并结合FoundationPose等模型恢复其真实位姿；对于抽屉、柜门等关节物体，还会自动推导关节结构。

同时，系统进一步补充质量、摩擦力等物理属性，生成碰撞模型并修复穿模问题，最终导出可直接运行于IsaacLab等物理引擎中的仿真场景，完成Digital Twin（数字孪生）的构建。

第三步：Augmentation（增强）——创造数字表亲。

这是SimFoundry最核心的创新。

在数字孪生基础上，系统进一步自动生成Digital Cousins（数字表亲）。它主要从三个维度进行扩展：

一是改变物体外观和几何形态，但保持功能不变（Object Cousins）；

二是调整物体布局或加入新物体，生成新的场景（Scene Cousins）；

三是根据场景中的物体及其Affordance，自动推导新的机器人操作任务（Task Cousins）。

换句话说，一段真实视频，不仅能够重建一个数字孪生，还能自动扩展出大量保持相同行为语义的新物体、新场景和新任务，为机器人提供几乎无限的训练数据。

实验验证

为了验证SimFoundry是否真的能够替代真实世界进行机器人训练和评估，研究在两套机器人平台、7类典型操作任务上进行了实验，并分别验证了Real-to-Sim策略评估和Sim-to-Real策略训练两项核心能力。

首先是策略评估。

实验结果显示，SimFoundry中机器人的表现与真实世界高度一致，平均皮尔逊相关系数达到0.911，平均最大排名违例（MMRV）仅0.018，相比此前最先进的评测框架PolaRiS有明显提升。

这意味着，研究人员可以在仿真中较为准确地预测策略在真实机器人的表现，而无需反复进行昂贵的实机测试。

更大的亮点来自论文提出的Digital Cousins。

研究发现，相比仅使用数字孪生进行训练，引入Object、Scene和Task Cousins后，机器人在真实世界中的平均任务成功率分别提升17%、21%和40%。

同时，仅利用SimFoundry自动生成的数据训练出的策略，也能够零样本部署到真实机器人，在多个操作任务上取得接近满分的成功率。

作者介绍

最后让我们来简单介绍一下这篇文章的作者们。

SimFoundry作者阵容相当豪华，几乎汇集了NVIDIA GEAR、佐治亚理工学院、斯坦福大学、UT Austin和多伦多大学等机构的核心研究者。

第一作者Nadun Ranawaka Arachchige来自佐治亚理工学院，目前在NVIDIA GEAR实习，师从徐丹飞；

Josiah Wong、Jiangyun Fan等人来自李飞飞团队；Tianyuan Dai来自朱玉可课题组，此前同样曾在李飞飞团队学习；

Masoud Moghani是NVIDIA GEAR与多伦多大学联合培养博士；Hang Yin曾参与BEHAVIOR项目，现已加入OpenAI。

此外，作者名单还包括Jim Fan、李飞飞、徐丹飞、朱玉可、Ajay Mandlekar、Ruohan Zhang、Wenbowen等机器人领域知名研究者。

[1]https://arxiv.org/pdf/2606.28276v1

[2]https://research.nvidia.com/labs/gear/simfoundry/