2000+真实场景仿真！亮源新创导航模型零样本适配四类机器人

在具身智能领域，如何让机器人从单一技能向通用能力演进，一直是行业关注的核心问题。近日，亮源新创宣布推出LightNav-0等三项核心技术，标志着其在Physical AI领域的重大突破。

其中，LightNav-0基于Real2Sim2Real数据引擎，将互联网来源的真实场景（超过2000个）转化为可反复使用的仿真环境，生成超过4000小时的视觉、语言和动作经验，用于通用导航模型的后训练。这项技术的关键在于，它能够使一个导航模型在未经过特定场景训练的情况下，直接适配多种不同类型的机器人本体，包括移动机器人、服务机器人等多种形态。

“我们正在解决具身智能领域最基础的问题：如何让机器人的能力持续规模化扩展。”亮源新创相关负责人表示。传统的机器人研发模式往往依赖于任务分解，每个功能模块都需要针对性优化。但现实世界是动态变化的，机器人需要面对不同的环境、任务和自身状态。如果每增加一个任务或更换一个机器人本体就需要重新训练模型，开发成本将呈指数级增长。

与传统方法不同，亮源新创的技术路线强调从训练、对齐到真实部署的学习闭环。通过大规模仿真数据的积累，模型能够在进入物理世界后继续适应那些训练阶段未曾见过的状态。例如，一个机器人在模拟环境中学习了多种地形的导航能力后，可以直接应用于真实的户外场景，而无需额外的适配训练。

此外，亮源新创还推出了LightParkour和Light REACT两项技术，分别专注于复杂接触技能的扩展和外力扰动条件下的全身韧性控制。这三者共同构成了一个完整的Physical AI能力体系，旨在推动具身智能从单点能力向规模化扩展的转变。

业界专家认为，这一系列技术的发布，不仅为具身智能的商业化落地提供了新的解决方案，也为大模型在机器人领域的应用开辟了新的可能性。随着仿真技术与强化学习的深度融合，未来机器人将在更多复杂场景中实现自主决策和灵活操作。

“这是具身智能发展的一个重要里程碑。”一位不愿具名的行业分析师表示，“通过仿真数据驱动的模型训练，我们看到了机器人能力规模化扩展的曙光。”

目前，亮源新创的技术已在多个实际应用场景中得到验证，包括家庭服务、工业巡检等领域。随着技术的进一步成熟，预计将在未来两年内实现更广泛的应用落地。