亮源新创提出Physical AI三段范式:规模化预训练、对齐与部署,并发布三项技术。LightParkour用强化学习将单个动作扩展为可泛化技能分布;LightNav-0将2000+真实场景转为仿真数据,实现跨本体零样本导航;Light REACT让机器人在损伤后依交互历史调整全身行为。三者共同构成可规模化的具身基础模型学习闭环。
COMSOL在杭州工业物理AI论坛上展示了多物理场仿真与数字孪生技术的融合创新,通过高保真建模、仿真App及降阶加速方案,助力构建高效数字孪生模型,支持故障溯源、状态感知和智能运维,深化工业应用。
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。
NVIDIA开源首个GPU加速的医疗物理仿真框架,用于训练手术机器人。该框架可模拟解剖与器械交互、生成边缘场景,支持并行训练,将训练时间从5小时缩短至2分钟。CMR Surgical、强生等公司已采用,加速医疗机器人研发与监管审批。
COMSOL将参加2026年功率半导体器件与集成电路会议,展示其多物理场仿真技术,旨在优化功率器件的设计和加工,提升产品性能。分享内容包括晶体管特性分析、散热优化和可靠性测试等仿真方法。
北京人形机器人创新中心与中国科学技术大学联合发布了全球首个面向精准化学实验室的人形灵巧操控仿真和评测平台Labimus。该平台填补了人形化学实验机器人标准化评测的空白,完成30余件有机化学实验资产的真实复刻,形成六大原子操作任务集,具备高精度称量和多层级评测能力,未来计划扩展至更复杂的实验操作。
Dimforge Q2 2026 技术报告介绍了新跨平台 GPU 多物理引擎 Nexus,使用 Rust 编写 shader,性能提升约 2 倍。Nexus 支持多种物理场景,适用于机器人仿真和强化学习。报告还提到 Rapier 和 Kiss3d 的更新,进一步增强 Rust 的科学计算和图形物理基础设施。
Uranus是一个新发布的世界模型,旨在解决具身智能行业的评测基准和仿真与现实之间的差距。它通过生成环境反馈来评估机器人模型的表现,提高了评测的效率和准确性。此外,Uranus支持多种机器人硬件,简化了仿真场景的构建。地瓜机器人团队认为,基础设施的建设比开发具身大脑更具挑战性,未来将继续扩展数据量以提升模型能力。
群核科技在ECCV 2026会议上发表三篇论文,重点关注物理AI的空间感知、强化学习和高保真仿真。公司与多家科技巨头合作推出SPEAR仿真平台,以解决数据供给不足的问题。新框架Syn-GRPO能够自动生成训练数据,WalkerBench评测工具用于评估AI的空间感知能力。此外,群核科技还将推出SpatialVerse平台,推动物理AI的规模化应用。
WIRobotics发布了ALLEX人形机器人的仿真模型,旨在缩小仿真与现实之间的差距。该模型支持多种主流格式,能够精准还原ALLEX的特性。这是WIRobotics物理AI技术披露路线图的第一步,未来将继续发布其他核心技术。
在台北GTC大会上,NVIDIA展示了NemoClaw,旨在帮助工业软件公司构建自主AI工程师,显著缩短仿真工作时间。这些AI工程师通过自动化设计、仿真和制造流程,将数周的工作压缩至数小时。多家公司如Cadence、Dassault Systèmes和Siemens正在利用NemoClaw开发针对汽车和航空等领域的AI解决方案,以提升工程效率。
NVIDIA正在推动制造业智能化,推出工厂运营蓝图,将AI系统与机器信号和质量系统整合,实现统一决策。同时,机器人技术正从模拟阶段向实际应用转变,制造业进入以仿真为主的新纪元。
少数派 Matrix 社区重启周报,分享成员的购物体验与讨论,涵盖电子产品、书籍和生活用品,表达个人成长与情感经历。社区鼓励更多人投稿,分享新发现与体验。
摩尔线程发布了MT Lambda,这是首个全栈国产化的具身智能仿真平台。该平台通过仿真训练机器人,实现了Sim-to-Real的验证,整合了物理、渲染和AI引擎,显著提升了机器人训练的效率和真实感,标志着国产GPU在具身智能领域的重大进展。
二阶非线性光学研究强激光与特殊光学晶体的相互作用,产生新频率光束。斯坦福大学等团队提出基于长短期记忆网络(LSTM)的代理模型,显著提升计算速度,降低运算成本,解决传统模型的局限性。该模型在实时优化和数据融合中具有广泛应用潜力,为光电系统设计提供新思路。
清华大学智能产业研究院的GS-Playground是一个新型多模态仿真框架,旨在推动具身人工智能的发展。该平台结合高保真视觉渲染与并行物理仿真,支持多种机器人形态的训练,提高了训练效率和真实场景迁移能力。GS-Playground通过自动化工作流简化了仿真环境构建,降低了成本,未来将开源以促进行业发展。
清华大学智能产业研究院与多家技术公司合作推出GS-Playground通用多模态仿真框架,旨在解决具身人工智能领域的核心难题。该平台实现高吞吐量并行物理仿真与高保真视觉渲染的深度融合,支持多种机器人形态的训练与部署,显著提高仿真效率与稳定性,并能快速将真实场景转化为数字资产,推动机器人技术的发展与应用。
制造业正进入以仿真为先的新时代,传统的设计-建造-测试周期正在转变。高保真仿真生成的合成训练数据推动了生产级AI的发展。OpenUSD成为连接标准,制造商通过SimReady标准确保3D资产在不同平台间的可靠性。ABB Robotics和JLR等公司利用NVIDIA Omniverse实现了显著的效率提升,缩短了产品周期和仿真时间。
该平台通过AI与CAD/CAE深度融合,实现浇注系统设计的全流程自动化,核心能力包括自然语言输入、智能设计、自动审查和无人仿真,显著提升设计效率,降低研发成本,推动工业研发向AI驱动转变。
在国家机器人周期间,NVIDIA展示了人工智能在农业、制造和能源等行业的应用,强调了机器人学习、仿真和基础模型的进步。这些进展加速了机器人从虚拟环境到现实部署的转变。NVIDIA的仿真和AI驱动的机器人学习平台为开发者提供了在复杂环境中构建智能机器的工具。
完成下面两步后,将自动完成登录并继续当前操作。