李飞飞World Labs收购SceniX，物理AI训练正从“采数据”走向“造世界”
内容提要
World Labs收购SceniX，推动世界模型从生成空间转向模拟行动后果，实现R2S2R闭环。无问智科提出“采集世界—生成世界—模拟世界”技术路线，构建物理AI数据基础设施，通过真实数据、生成扩展和物理模拟，持续训练和评测机器人，提升模型能力。
延伸解读
收购背后的战略信号
World Labs收购SceniX，不仅是技术补充，更标志着世界模型从生成静态三维环境转向模拟动态物理交互。这一动作表明，李飞飞团队认为机器人的训练不能仅靠逼真画面，而需要可交互、可试错的虚拟世界。收购意味着资本和资源的实际配置，比发布会上的愿景更能体现产业方向的确定性。
R2S2R闭环的关键挑战
R2S2R的核心难点在于仿真与现实的差距。文章指出，策略在仿真中的相对表现能否预测真机表现，以及仿真中发现的失败区域能否提前暴露真实问题，是系统能否实用的关键。这要求物理引擎足够精确，且需要持续用真实数据校准虚拟世界，否则仿真训练可能产生“过拟合”于模拟环境的策略。
数据基础设施的范式转变
无问智科提出的“采集世界—生成世界—模拟世界”路径，强调数据不是一次性交付的产品，而是持续迭代的循环系统。其核心在于通过真实数据提供锚点，生成世界放大分布，模拟世界完成物理推演，再根据模型在现实中的失败反向定义数据需求。这种模式将数据生产从“采数据”转向“造世界”，更注重数据质量和闭环反馈。
Q&A
World Labs收购SceniX的目的是什么？
World Labs收购SceniX是为了加强其在机器人仿真领域的能力，推动世界模型从生成空间走向模拟行动后果，实现R2S2R（Real-to-Sim-to-Real）闭环，从而让机器人能够在虚拟世界中行动、试错和学习。
R2S2R闭环是什么？它如何工作？
R2S2R（Real-to-Sim-to-Real）闭环是指将真实机器人任务搬进仿真环境，在仿真中放大任务场景并训练和评测策略，再将策略部署回真实机器人。其关键在于验证策略在仿真中的相对表现能否预测真机表现，以及仿真中发现的失败区域能否提前暴露真实部署的问题。
无问智科提出的“采集世界—生成世界—模拟世界”技术路线具体包含哪些内容？
该技术路线包括三个环节：采集世界通过大规模无感野采获取真实物理交互数据；生成世界利用Scan2Sim和Gen2Sim技术将真实场景重建为可交互的物理孪生资产，并生成可控变化以扩大数据分布；模拟世界通过双空间世界模拟器“无穹”进行高精度物理模拟，用于训练和评测机器人。三者形成闭环，持续迭代。
为什么说世界模型进入机器人领域后，核心问题从“世界看起来是什么样”变成了“机器人采取动作后世界会发生什么”？
因为机器人需要与物理世界交互，仅仅生成逼真的画面不足以训练机器人。例如，纸箱箱盖必须能弯曲，线缆必须能滑动和缠绕，否则仿真中学到的动作无法迁移到现实。因此，世界模型必须能够模拟物理交互的后果，而不仅仅是视觉外观。
无问智科如何解决真实数据采集和处理的问题？
无问智科通过大规模无感野采获取真实环境中的自然作业数据，并引入世界理解模型对回传数据进行自动化清洗、筛选、时空对齐、标注和数据集构建，将原始数据转化为模型可用的结构化资产。同时，以算法模型反向定义采集硬件，确保数据质量和模态匹配。
无问智科的“生成世界”如何实现数据扩展？
通过Scan2Sim技术将真实物体和场景重建为可交互的物理孪生资产，再通过Gen2Sim技术围绕几何、外观、结构、类别、布局、材质、光照、物理属性等生成可控变化，从而将有限真实数据扩展为覆盖更多场景和任务的数据分布，包括“物理表亲”和“物理远亲”。
无问智科的“模拟世界”如何保证物理模拟的准确性？
无问智科构建了双空间世界模拟器“无穹”，结合显式DPE可微分物理求解器和PINN物理信息神经网络，以及隐式因果动力学模型，实现高精度物理模拟。同时，通过对比现实和仿真中的物理变化，持续修正虚拟世界中的几何、参数、拓扑等，确保模拟的准确性。
World Labs收购SceniX与无问智科的技术路线有何共同点？
两者都致力于打通真实世界与虚拟世界的闭环，实现R2S2R。World Labs从3D生成模型出发，补齐物理仿真和机器人训练能力；无问智科从真实数据出发，构建“采集—生成—模拟”闭环。两者都认为物理AI数据基础设施的核心是让模型持续进化，而非一次性交付数据。
