Fei-Fei Li 和 Yunzhu Li 在最近的一期 a16z 播客中提到，World Labs 正在推出一种“从现实到模拟再到现实”（real-to-sim-to-real）的流水线，让机器人在接触物理地面之前，就能在高保真数字孪生（digital twins）中学习空间任务。这种方法降低了收集机器人训练数据的成本和风险，而这一障碍曾让许多自动化项目停滞在实验室阶段。
为什么机器人需要的不仅仅是语言
大语言模型可以抓取整个互联网的文本，但机器人不能仅仅通过观看视频来模仿所见之物。为了在仓库中移动或清理酒店房间，机器人必须理解三维几何、表面属性以及推、举、堆叠等物理动作。这些都是“空间智能”（spatial intelligence）的要素，而在现实世界中很难大规模地获取这些要素。
数据瓶颈
收集现实世界的机器人数据既缓慢、昂贵，有时还很危险。一次小小的失误就可能损坏硬件、导致生产线停工，甚至伤及人类员工。因此，大多数机器人团队依赖于规模较小的、手工制作的数据集，这些数据集无法涵盖日常环境的多样性。
World Labs 通过构建对齐的数字世界来绕过这一瓶颈。他们的 SceniX 系统将物理空间映射到模拟环境中，并保留了几何形状（墙壁和物体的形状）、外观（纹理、颜色、光照）和物理特性（物体在受到推动时的运动方式）。机器人在该虚拟副本中进行练习，然后将相同的策略迁移回现实环境。
视频模型还不够
一些研究人员认为，高分辨率视频生成器可以替代物理模拟。这些模型可以生成机器人视角下看似合理的帧，但它们缺乏一致的物理规律。如果模拟视频显示杯子在被推开后消失了，那么基于该视频训练的机器人就会学到错误的因果关系。World Labs 的流水线坚持要求世界在时间、空间和交互中保持连贯，从而确保机器人的“肌肉记忆”与现实世界的物理规律相匹配。
瞄准半结构化空间
该团队的目标并不是明天就能在客厅里闲逛的人形助手。相反，他们专注于半结构化环境，这些环境的布局足够可预测，以便数字孪生能够保持准确，但又具有足够的变数，需要真正的空间推理能力。示例包括：
- 物品储存在货架和托盘上的仓库
- 拥有桌椅和流动员工的餐厅
- 拥有走廊、客房和服务推车的酒店
- 拥有机械、传送带和安全屏障的工业现场
这些正是企业已经在寻求自动化的领域。播客中引用的一项最新调查发现，三分之一的机器人任务需求涉及清洁工作——这是人类渴望交给机器完成的重复性、令人不悦的工作。
成功的标志
World Labs 的路线图取决于在未来两年内通过特定行业验证该流水线的有效性。如果机器人能够在模拟仓库中反复移动托盘，然后无需重新训练即可在真实设施中完成同样的操作，那么该模型就证明了“可靠的模拟带来可靠的机器人”。这种可靠性可能会解锁更大的合同，并证明创建数字孪生前期投资的合理性。
下一步值得关注的动向
- 行业试点 – 在仓库或酒店中的首批部署将揭示该流水线是否能够处理仅在生产现场才会出现的复杂边缘情况（edge cases）。
核心理念很简单：在机器人登台表演之前，给它们一个完美的排练空间。如果 World Labs 能将这种排练转化为稳定的表现，那么机器人领域最难的问题——教机器理解并作用于物理世界——可能终于会迎来一个实际的解决方案。