还在讨论Sim2Real？如今机器人领域更受关注的方向是Real2Sim！

近日，英伟达GEAR联合李飞飞团队、佐治亚理工大学等顶尖机构，共同公布了一项重磅成果——推出全新的Real2Sim系统，命名为SimFoundry。

这套系统有多强大？只需一段真实世界的视频，就能自动构建一个完全可交互、可训练、可评估的机器人仿真环境。

但它的能力远不止于简单的3D场景重建。

SimFoundry最突出的亮点在于：在保持物体功能与可供性（Affordance）不变的前提下，它能够自动替换物体、调整场景布局，甚至凭空生成全新的操作任务。换言之，一段真实视频不再只能生成一个仿真场景，而是可以自动扩展出近乎无限的数据生成空间。

这样一来，SimFoundry不仅能用于训练机器人，还能较为可靠地预测不同机器人策略在现实世界中的实际表现。

更令人惊叹的是，在SimFoundry生成的数据上训练得到的策略，可以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种任务中成功实现真实世界迁移。

这背后的实现机制是什么？我们来逐一解析。

一段视频，生成无限训练场景

SimFoundry的核心思路，本质上就是打通了场景生成、数据生成、策略评估与策略训练构成的完整Real-to-Sim闭环。

长期以来，机器人策略的训练极度依赖真实世界数据。然而，使用真实机器人采集数据既昂贵又缓慢，难以规模化。即便模型训练完成，在真机测试环节依然面临场景有限、测试成本高等顽固难题。

正因如此，研究人员开始将仿真（Simulation）视为机器人策略训练与评估的一种可扩展替代方案。借助自动化数据生成技术，可以极低的人力成本合成大量多样、高质量的训练数据，持续提升机器人在真实世界的泛化能力。

与此同时，越来越多的研究表明，只要仿真环境足够逼真，其评估结果与真实世界中的机器人表现之间往往存在很强的一致性。

但问题也随之而来：搭建一个具备真实几何、物理属性与交互能力的仿真环境，本身就需要大量人工建模，工作量丝毫不减。

于是，近两年Real-to-Sim逐渐成为具身智能领域的火热方向。简而言之，就是利用3D重建与生成模型，将真实世界快速转化为支持物理交互的仿真就绪（Sim-ready）环境，从而大幅降低人工构建仿真场景的成本。

然而，现有的Real-to-Sim方案往往只解决了其中某一个环节。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估，却又依赖大量人工配置，难以扩展到丰富的场景与任务。

针对这一痛点，SimFoundry的思路是将场景构建、数据生成、策略评估与策略训练串联成一条完整的流水线。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估和策略训练，形成从真实世界到仿真、再回到真实世界的完整闭环。

（注：数字孪生是对真实场景的精确复刻；数字表亲则保持场景的功能与交互方式不变，但对物体、布局或任务进行合理变化。）

为实现这一目标，SimFoundry设计了一套三阶段流水线。

三阶段流水线

SimFoundry的整体流程并不复杂，可概括为三个阶段：提取（Extraction）→生成（Generation）→增强（Augmentation）。一句话总结：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：提取——理解真实场景。系统输入一段普通RGB视频后，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并分割出来。每提取一个物体，就用图像修复（Inpainting）将其从画面中移除，然后继续寻找下一个目标，直到整个场景被解析完毕。

第二步：生成——搭建数字孪生。针对提取出的每个物体，SimFoundry使用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、柜门这类关节物体，还会自动推导出关节结构。

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，最终导出能在IsaacLab等物理引擎中直接运行的仿真场景，完成数字孪生的构建。

第三步：增强——创造数字表亲。这是SimFoundry最核心的创新点。在数字孪生的基础上，系统会进一步自动生成数字表亲（Digital Cousins），主要从三个维度扩展：

• 改变物体外观和几何形态，但保持功能不变（Object Cousins）；
• 调整物体布局或加入新物体，生成新的场景（Scene Cousins）；
• 根据场景中的物体及其可供性，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重建出一个数字孪生，还能自动扩展出大量保持相同行为语义的新物体、新场景与新任务，为机器人提供几乎无限的训练数据。

实验验证

为验证SimFoundry是否真能替代真实世界进行机器人训练与评估，研究团队在两套机器人平台、7类典型操作任务上开展了实验，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。

先说策略评估。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）仅为0.018，相比之前SOTA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上的表现，无需再反复进行昂贵的实机测试。

更大的亮点来自论文提出的数字表亲（Digital Cousins）。研究发现，相比仅使用数字孪生训练，引入Object、Scene和Task Cousins之后，机器人在真实世界中的平均任务成功率分别提升了17%、21%和40%。

同时，仅靠SimFoundry自动生成的数据训练出的策略，就能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

最后来看这篇文章的作者阵容，可谓相当豪华。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，此前同样在李飞飞团队学习过；Masoud Moghani是NVIDIA GEAR与多伦多大学联合培养博士；Hang Yin曾参与BEHA VIOR项目，现已加入OpenAI。作者名单中还包括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。

参考链接

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

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