李飞飞SimFoundry很酷，但Real2Sim有更多办法
2026世界人工智能大会（WAIC）已落下帷幕，本届大会中，具身智能的产业化落地进程成为行业焦点。大量实景机器人落地演示集中亮相，行业技术迭代与场景落地速度持续加快。当前，具身大模型、机器人控制算法仍保持高速演进，与此同时，多元的Real2Sim仿真技术路线，也在产业落地过程中逐步展现出不同的适配特性与技术边界。7月初，李飞飞团队联合英伟达GEAR、佐治亚理工大学等机构发布全新Real2Sim系统SimFoundry——基于单段普通RGB视频，自动构建可交互的物理仿真场景，快速生成大量场景“数字变体”，为机器人快速扩量训练提供了全新技术路径，也让Real2Sim技术路线的产业价值得到进一步验证。
用二维视频“猜”世界固然是还原物理世界的一种方式，但如视给出了不同思路——不从视频去推演世界，直接从真实空间去构建世界。坐拥全球最大的6000万+真实三维空间数据，如视已搭建完成一座可直接开采、可复用、高保真的SimReady“数据矿”。
数据源头革新：真实三维数据重构仿真底层能力
相较于行业主流的二维图像生成、算法推演仿真方案，如视从数据采集源头完成技术迭代，摒弃空间脑补与参数估算，以原生三维结构化数据形成差异化技术优势，核心能力体现在三个维度：
毫米级精度： 如视通过自研的激光雷达采集设备，对真实空间进行1:1复刻。无论是桌面的高度还是门框的宽度，数据与现实世界保持严格的1:1映射，杜绝了视觉重建中的尺度模糊。
零累积误差：在大场景、长距离、多空间的批量采集与重建过程中，如视三维数据保持了高度几何一致性，解决了传统视觉建图的轨迹漂移顽疾。无需算法反复推算、补偿、猜测空间参数，规避累积误差带来的场景扭曲、结构错位问题，保障大场景仿真的稳定性与准确性。
全要素多维信息：如视的每套三维数据，都不是简单的图像堆叠，而是完整的纯三维结构化数据，包含深度、法线、材质属性及精确的物体位姿，所有数据维度精准对齐，为机器人感知、识别、交互、训练提供全套、真实、可落地的场景参数。
从真实空间到仿真训练数据的落地
真实三维数据的精度与完整性，构成了仿真能力的底层壁垒。依托超6000万覆盖居家、商业、工业、仓储、户外场景的三维空间数据资源，如视搭建了标准化Real2Sim全链路技术体系。通过采集、重建、语义理解、场景扩量的闭环流程，实现物理空间向AI可训练仿真场景的高效、标准化转化。
真实空间采集，多模态补齐二维数据维度缺失
摒弃行业惯用的单一RGB视频、平面照片等轻量化采集模式，如视通过自研专业设备，同步采集RGB全景、深度、激光点云、精准位姿、Mesh网格五大多模态数据。全方位收录物理空间的结构、尺度、位置、细节信息，补齐二维采集缺失的空间维度参数，为高精度三维重建和真实仿真筑牢原始数据基底。
行业领先毫米级三维重建，标准化数字孪生场景
基于多模态原始数据，依托算法进行三维重建，规整场景结构、优化纹理细节、校准空间拓扑与相机位姿，标准化输出完整、规整的数字孪生场景。整套流程是对原始真实空间的规整优化，而非算法推演生成，为后续语义理解、场景编辑扩量提供标准化三维载体。
三维结构化语义理解，实现场景可供性认知
在精准重建基础上，完成场景物体分割、语义标注与实例识别，实现物体可供性（Affordance）判定，精准识别物体承重、可拉动、可行走等交互属性。相较于二维图像语义推测，如视基于真实三维采集数据做结构化标注，避免了认知偏差与幻觉问题，定位更精准、语义更可靠、精度更高，让空间数据成为机器人可读懂的“场景说明书”。
4. 真实基底场景无限扩展，满足泛化训练需求
基于真实场景的语义与物理属性，支持自由替换物体、调整空间布局、修改物理参数，可叠加真实材质、碰撞、光照等仿真要素，从单一真实场景衍生出海量变体场景，可交互、可训练、可评测。所有扩展场景均基于真实物理规则，无算法脑补偏差，以低成本、高效率完成大规模仿真场景的规模化生成，充分满足具身模型的泛化训练需求。
从技术迭代进程来看，以SimFoundry为代表的视频驱动Real2Sim方案，凭借轻量化、低成本、快速生成场景的优势，为具身智能快速迭代、原型验证提供了高效技术路径，极大推动了Real2Sim赛道的技术普及。这也让Real2Sim赛道的竞争逻辑愈发清晰：轻量化视频仿真适合快速试错与基础模型迭代，而基于真实三维空间的原生仿真，是支撑具身智能从实验室演示走向工业级落地、实景泛化的核心刚需。赛道下半场的核心壁垒，不再是单一的算法推演能力，而是真实场景数据的体量、精度与结构化加工能力。
