李飞飞的世界模型，终于开始训练机器人了
内容提要
李飞飞团队World Labs发布机器人训练引擎R2S2R，通过Real-to-Sim将真实任务重建为仿真环境，再经Sim-to-Real训练策略并部署回现实，打通仿真到真实闭环。该引擎无需真实数据即可让机器人连续自主运行1小时，并支持多平台任务，旨在规模化获取经验、评估策略，推动机器人商业化落地。
延伸解读
仿真对齐的关键：不只是“看起来像”
R2S2R强调仿真与现实的“行为对齐”，而非仅视觉相似。团队让机器人在两边执行相同动作，比较观察、物体反应和最终结果，甚至复现“险些失败”的细节。这种对齐使仿真中的成功与失败模式能迁移到真实世界，为策略筛选提供可靠依据，避免仿真结果失真。
仿真训练的商业化价值
R2S2R旨在解决机器人数据获取的瓶颈：真实数据采集成本高、速度慢且难以覆盖边缘情况。通过仿真，可主动制造危险或罕见场景，并获取接触力等难以采集的信号。这降低了训练成本，加速策略迭代，为机器人从实验室走向仓库、实验室等半结构化场景的商业化落地铺路。
基础设施定位：不造机器人，做通用训练场
World Labs收购SceniX后，明确不亲自制造机器人，而是构建与机器人形态和模型架构解耦的训练基础设施。无论客户使用何种机器人或策略模型，都能接入同一仿真环境。这种平台化思路旨在将仿真从一次性实验转化为可复用的训练资产，推动行业整体效率提升。
Q&A
World Labs发布的R2S2R引擎是什么？
R2S2R是World Labs发布的机器人策略训练与评估引擎，全称Real-to-Sim-to-Real，包含Real-to-Sim和Sim-to-Real两部分，旨在打通从仿真训练到真实运行的闭环。
R2S2R如何实现从仿真到现实的闭环？
R2S2R通过Real-to-Sim将真实任务重建为仿真环境，再通过Sim-to-Real在仿真中训练和评估策略，最后部署回现实，并利用现实中的新结果修正世界模型，形成闭环。
R2S2R在机器人训练中有什么优势？
R2S2R的优势包括：无需真实数据即可训练策略，能连续自主运行1小时；可规模化生成经验，主动制造现实中昂贵、危险或难以重复的情况；支持多平台任务，降低训练成本，提高评估效率。
R2S2R如何解决仿真与现实之间的差距？
R2S2R通过让机器人在仿真和现实中执行相同动作，比较视觉观测、物体反应和最终结果来验证对齐，并尽可能复现物理和动力学特性，从而缩小差距。
R2S2R在哪些机器人平台上进行了测试？
R2S2R在ALOHA、RB-Y1、YAM、Flexiv和xArm等机器人平台上进行了测试，完成了装箱、绕线、试管转移和杂乱环境中的单件抓取等任务。
World Labs收购SceniX对R2S2R有什么影响？
收购SceniX为World Labs带来了机器人仿真、训练与评估的专业技术，SceniX的加入使R2S2R得以实现，并推动了World Labs在机器人领域的布局。
R2S2R在机器人策略评估中有什么作用？
R2S2R可以作为高通量评估层，在数千种受控条件下主动寻找失败，筛选checkpoint，发现性能退化，并决定下一轮应补充的数据，提高评估效率。
