当机器人要学会叠衣物、理线缆、摆弄软体——可变形物体操作的真实数据采集成本高昂、状态空间复杂、仿真与现实的差距显著。物理一致的世界模型，能成为可扩展机器人学习的"数据引擎"吗？
9月1日（周二）20:00，青稞Talk 第150期，上海人工智能实验室物理智能中心青年研究员周云松、王帅，将以 SIM1 与 GAUGE 为主线，从"如何生成"与"如何验证"两个维度，探讨物理一致世界建模如何支撑可规模化机器人学习。
可变形物体操作中，形状、接触与拓扑共同演化，数据密集程度远超刚体操作。仿真本应缓解真实数据采集成本，但现有 sim-to-real 管线多扎根于刚体抽象，几何失配、软体动力学脆弱、运动原语不适合布料交互。
SIM1 给出的判断是：仿真失败不是因为"它是合成的"，而是因为"它没有接地气"（ungrounded）。
SIM1: Physics-Aligned Simulator as Zero-Shot Data Scaler in Deformable Worlds
论文：https://arxiv.org/abs/2604.08544
代码：https://github.com/InternRobotics/SIM1
SIM1 提出物理对齐的 real-to-sim-to-real 数据引擎，把仿真锚定在物理世界上：将场景数字化为度量一致的数字孪生（metric-consistent twins），通过弹性建模标定可变形动力学，并利用扩散式轨迹生成与质量筛选扩增行为。少量真实演示即可转化为大规模、高质量的合成监督。
纯合成数据训练的策略在 1:15 的等价比例下与真实数据基线持平，真实部署零样本成功率 90%、泛化增益 50%——物理对齐的仿真正在成为可变形操作的可扩展监督。
而随着生成的数据越来越多，"看起来真实"是否意味着"物理上可信"？
GAUGE 给出了一个以真实世界测量为基准的诊断式回答：包含 22 个受控任务族（刚体、线缆、织物、软体），覆盖碰撞、摩擦、动量传递、振荡、自接触与变形等基本物理过程，并以真实轨迹、标定物理元数据与不确定性标注为基准，系统评测物理仿真引擎与视频世界模型的物理保真度。
GAUGE: A Measurement-Grounded Benchmark for Physical Fidelity in Simulation Engines and Video World Models
论文：https://arxiv.org/abs/2608.05948
主页：https://internrobotics.github.io/GAUGE/
GAUGE 对 Isaac Sim、Genesis、Newton 三个物理引擎在 14 个任务族上评测广义轨迹误差，并对 6 个图生视频模型在 5 个刚体任务上检验物理规律一致性与参数时序稳定性。
结果发现：没有统一可信的物理引擎，最大偏差出现在冲量接触、快速织物运动与体变形；视频世界模型能生成"方程形式正确"的轨迹，却恢复出错误的加速度、动量传递与振荡时序。
SIM1 × GAUGE：生成与验证的协同闭环
SIM1 负责"如何生成"——把少量真实演示放大为大规模物理对齐的合成数据；GAUGE 负责"如何验证"——以真实世界测量校准"物理上可信"的标准。
两者互补，构成从真实测量、物理建模、数据扩增到可信评测的闭环，让世界模型不仅生成视觉上合理的未来，更能产出可用于策略学习、规划与真实部署的可靠经验，并启发下一代物理一致的世界模型与具身数据引擎。
青稞介绍
周云松，上海人工智能实验室物理智能中心青年研究员，博士毕业于上海交通大学计算机科学与工程系（吴文俊人工智能荣誉班），师从过敏意教授、朱弘恣教授。研究聚焦具身数据扩增效益与拟人化灵巧操作，探索以物理一致世界建模推动具身系统在真实世界中的可扩展学习与可靠泛化。在 IEEE TPAMI、NeurIPS、CVPR、ICCV 等顶级期刊和会议发表论文 16 篇，长期担任 CVPR、ICCV、NeurIPS、ICLR 等会议审稿人，组织 CVPR 2023-2026 及 IROS 2025 Workshop。
王帅，上海人工智能实验室物理智能中心青年研究员。研究聚焦高性能物理仿真、视触觉感知与机器人强化学习，探索以高保真接触建模和大规模并行计算，推动具身智能系统在接触密集型操作任务中的高效学习与可靠仿真到现实迁移。
主题提纲
SIM1 & GAUGE：从"如何生成"到"如何验证"，探讨物理一致世界模型如何实现可扩展机器人学习
1、从"合成数据"迈向"物理对齐"：可扩展机器人学习的数据瓶颈
2、"如何生成"：基于 SIM1 的物理对齐数据引擎
3、"看起来真实"等于"物理上可信"吗？
4、"如何验证"：以真实世界测量为基准的物理保真度评测
5、SIM1 × GAUGE：生成与验证的双向协同闭环
6、物理一致性对下一代世界模型的启示
7、AMA （Ask Me Anything）环节
直播时间
9月1日（周二）20:00 - 21:00
如何观看
Talk 将在青稞社区【视频号：青稞具身智能】上进行直播，欢迎预约观看！