李飞飞世界模型助力机器人训练，R2S2R引擎实现仿真到真实闭环

近日，AI领域备受瞩目的李飞飞及其创立的World Labs在机器人训练技术上取得突破性进展。通过整合其7月收购的美国机器人仿真创企SceniX的技术能力，World Labs推出了全新的机器人策略训练与评估引擎——Real-to-sim-to-real (R2S2R)。这一成果标志着世界模型技术首次成功应用于机器人训练，并实现了从虚拟仿真到真实世界的完整闭环。

R2S2R引擎由两个核心部分构成：Real-to-Sim和Sim-to-Real。其中，Real-to-Sim负责将现实中的机器人、传感器、物体及交互过程转化为高保真的虚拟环境；Sim-to-Real则在这些虚拟环境中完成机器人的训练、评估，并将优化后的策略直接部署到真实硬件上。据World Labs介绍，基于这套方法训练出的机器人策略，即使完全未使用真实世界数据，也能连续自主运行1小时而无需人工干预。

这一突破性进展解决了当前机器人研发中的关键痛点。与大语言模型可以依赖互联网海量数据快速迭代不同，机器人训练长期面临数据采集困难、测试成本高昂以及模型泛化能力不足等问题。真实环境中的机器人交互数据不仅采集成本高、难以规模化获取，还受到场景、安全和硬件条件限制。而R2S2R通过构建与现实高度对齐的可交互仿真世界，有效弥补了这些短板。

World Labs表示，R2S2R的核心优势在于其能够主动制造现实中昂贵、危险或难以重复的情况，让机器人反复经历成功与失败。同时，通过对齐仿真与真实环境中的运行过程，真实世界里的成功、失败及其触发条件都可以在虚拟世界中被复现和分析，从而实现机器人策略的规模化评估。

李飞飞在社交媒体上表示，这一成果不仅推进了她此前提出的世界模型三分法中最为关键的仿真器部分，也为释放机器人领域的Scaling Law提供了新的路径。她强调："要scale具身智能，先得scale机器人学习的世界。"

业内专家认为，R2S2R的推出将显著降低机器人训练的成本和门槛，推动通用机器人技术的快速发展。未来，随着仿真环境的不断优化和扩展，机器人将在更复杂的任务中展现出更强的适应能力和智能化水平。