## 上海AI Lab突破仿真瓶颈：SIM1让布料物理真实再现，具身智能数据困局现转机
具身智能的进展正被一个根本性问题卡住：不是模型不够大，而是高质量、可执行、可泛化的数据严重不足。其中，涉及布料等柔体操作的任务数据缺口尤为致命——其状态空间巨大，包含形变、接触和拓扑变化，天然依赖复杂的物理过程。人工采集这类真实数据效率低下、成本高昂，导致数据始终处于“够用但不够多”的尴尬状态。仿真环境曾被寄予厚望，希望通过“海量仿真数据”填补真实世界的缺口，但问题很快暴露：现有仿真数据与真实场景并未真正对齐，它们可用于预训练，却难以直接部署，最终仍需依赖真实数据进行修补。这不禁让人怀疑，仿真数据的极限是否仅止于此。

上海AI Lab的最新研究SIM1，正是对这一核心瓶颈的回应。该研究实现了对布料等棘手物品物理性质的真实再现，将相关复杂条件下的仿真数据质量提升到了“可堪一用”的程度。SIM1的核心并非追求“更多”数据，而是从根本上解决“做对”数据的问题。它提出了一种全新的real-to-sim-to-real范式：从少量真实示范出发，生成在真实物理世界中可以直接执行的仿真数据，并最终将这些数据转化为可部署、可扩展、且能实现zero-shot迁移的策略能力。这意味着，机器人领域第一次有机会真正谈论属于自己的scaling law——智能的增长不必再与昂贵、缓慢的真实世界数据采集同步。

在展示的结果中，SIM1能够将少量示范扩展为100倍规模的轨迹数据。纯仿真训练即可达到90%的zero-shot成功率，相较真实数据基线，其泛化能力提升了50%。即使从零开始训练，也能达到76%的成功率。同时，该方法带来了显著的效率优势，包括27倍的成本降低和6.8倍的训练加速。这些成果表明，SIM1并非简单地“做出了一个更大的仿真集”，而是在重新定义仿真在具身智能训练中的角色——让仿真不再只是“近似现实”的工具，而是成为现实数据生成与策略学习的新入口。
---
- **Source**: 36氪最新 (RSSHub)
- **Sector**: The Lab
- **Tags**: 具身智能, 仿真数据, 物理仿真
- **Credibility**: unverified
- **Published**: 2026-04-15 08:03:22
- **ID**: 65119
- **URL**: https://whisperx.ai/zh/intel/65119