知识卡片：World Labs 发布R2S2R，打通机器人仿真闭环

英文标题（Manual title）：World Labs 发布R2S2R，打通机器人仿真闭环
英文关键词：R2S2R, World Labs, SceniX, Real-to-Sim, Sim-to-Real
原始来源：搜狐（腾讯研究院AI速递 20260730）https://m.sohu.com/a/1056423726_455313?scm=10001.325_13-325_13.0.0-0-0-0-0.5_1334&digest_item=6

一句话结论

李飞飞旗下World Labs借助新收购的机器人公司SceniX，推出机器人策略训练与评估引擎R2S2R，首次实现从仿真训练到真实部署的完整闭环；仅在仿真中训练的策略无需真实数据即可迁移至ALOHA等多种机器人平台，多任务连续自主运行1小时无失败。

事件概述

发布方：李飞飞创立的World Labs，通过收购机器人公司SceniX获得相应能力。
产品名称：R2S2R（机器人策略训练与评估引擎）。
核心突破：首次打通从仿真训练到真实部署的闭环，解决机器人领域训练数据稀缺与评估困难的关键瓶颈。

方法/产品要点

双模块架构：
- Real-to-Sim：将现实中的机器人、传感器与物体重建为与物理世界对齐的虚拟世界。
- Sim-to-Real：在仿真环境中训练与评估策略后，将策略部署回真实机器人。
训练数据来源：全程未使用真实数据，策略完全在仿真环境中习得。
平台兼容性：仿真训练的策略可迁移至ALOHA等多种机器人硬件平台。

主要结果

性能表现：多任务连续自主运行1小时，期间无失败、无人工接管。
产业意义：大幅降低机器人策略研发对真实物理实验的依赖，加速从实验室到实际应用的迭代周期。

为什么重要

突破数据瓶颈：李飞飞在同一访谈中指出，机器人发展主要瓶颈已从模型架构转为训练与评估的数据稀缺，仿真的价值在于主动制造现实中昂贵、危险或难复现的场景。R2S2R直接回应了这一判断。
新增信息：与已有的物理智能公司π*0.6模型（依赖真实世界纠正经验）和世界-动作模型（WAM）范式不同，R2S2R强调纯仿真训练即可实现零失败的真实部署，提供了一条低成本、可规模化的机器人学习路径。

局限与不确定性

引擎的具体技术细节（如仿真到真实的域随机化方法、传感器建模精度）未在材料中披露，有待核实。
1小时无失败实验的任务类型与复杂度未详细说明，是否适用于高度动态或非结构化环境尚待验证。
平台兼容性中提到的“ALOHA等多种机器人平台”具体范围未明确，可能存在硬件适配限制。

可用于图书/PPT/简报的角度

技术趋势：从“仿真-真实差异”到“仿真即真实”的范式转换。
产业落地：机器人训练成本降低如何加速服务机器人、工业机器人规模化部署。
投资视角：World Labs通过收购SceniX快速补足硬件能力，体现垂直整合策略。
对比分析：与VLA/WAM路线相比，纯仿真训练在数据效率与安全性上的优势。

原始材料

六、World Labs 发布R2S2R，打通机器人仿真闭环
1.李飞飞旗下World Labs借新收购的机器人公司SceniX之力，发布机器人策略训练与评估引擎R2S2R，首次打通从仿真训练到真实部署的闭环；
2.引擎分Real-to-Sim与Sim-to-Real两部分，将现实机器人、传感器与物体重建为对齐的虚拟世界，训练评估后再部署回真机；
3.未用真实数据、仅在仿真训练的策略可迁移至ALOHA等多种机器人平台，多任务连续自主运行1小时无失败、无人工接管。