仿真驱动 Sim2Real

Sources: 苏度科技（原 Hillbot）横纵分析报告, 2026-05-20; 复旦大学智能机器人与先进制造创新学院, 2026-04-17; 腾讯新闻/21CBR, 2026-04-12 Raw: 苏度科技 Hillbot 横纵分析报告; 复旦官方苏昊加盟公告; 腾讯新闻 Hillbot 报道

Overview

仿真驱动 Sim2Real 是指把高保真仿真、物理 dynamics、世界模型和强化学习作为机器人操作能力的主要数据与训练来源，再迁移到真实机器人和真实工位。与遥操作、人类第一视角数据和真实工位示教路线相比，它押注的是：机器人基础模型能否通过仿真数据、算力和模型训练扩展能力，而不是主要依赖大量人工采集和真实设备运行。

复旦官方对苏昊学术路径的概括强化了这一技术谱系：ImageNet/2D 感知 → ShapeNet/PointNet/3D 视觉 → SAPIEN/物理交互仿真 → ManiSkill/TD-MPC/操作评测与控制。该路线在复旦 GPI 被提升为“物理智能”问题，即 AI 系统如何在物理世界中理解环境并执行有效行动。

苏度/Hillbot 样本

苏度科技（Sudo AI）的 Sudo R1 / Hillbot 是本库当前最明确的仿真优先样本之一。报告记录其官方技术博客称 Sudo R1 完全由仿真数据训练，没有真实示教、遥操作或人工标注，并在 60 分钟连续未剪辑抓取测试中披露约 98% 首次成功率、两次内接近 100%。本库把这些数据写作公司自披露技术演示，不升级为客户现场验收或第三方测评。

腾讯新闻/21CBR 提供了 Hillbot 路线的媒体补充：团队目标是用合成数据解决具身智能“数据荒”，通过 SAPIEN 与 ManiSkill 进行模块化技能训练；报道还称 ManiSkill3 渲染速度比其他平台快 10-1000 倍、GPU 内存占用少 2-3 倍，并称 Hillbot 与 NVIDIA Cosmos 生态有深度合作。由于缺 NVIDIA 官方一手点名，上述 NVIDIA/Cosmos 关系仍只作待核验线索。

关键投资判断

判断	source	date	entity	evidence_level
仿真数据天然包含物理交互信息和规模优势，适合作为广度与物理常识构建来源；真实数据更像后期对齐和校正资源。	苏度科技横纵分析报告转述高鹄资本口径	2026-05-20	仿真驱动 Sim2Real	L2/L5
复旦官方把“物理智能”定义为 AI 在物理世界中有效完成任务，包括理解世界并执行恰当行动；该定义把仿真、评测、控制和机器人实体放入同一问题框架。	复旦官方公告	2026-04-17	物理智能 / GPI	L1
腾讯新闻称 Hillbot 把复杂任务拆分为模块化技能训练，并可把训练时间从 12 个月压缩至几个月；该指标仍需第三方或客户现场验证。	腾讯新闻/21CBR	2026-04-12	Hillbot / ManiSkill	L2
纯仿真到现实若能在抓取之外扩展到装配、双手协作、柔性物体、工具使用、车企检查和多步任务，可能改变机器人操作数据成本曲线。	苏度科技横纵分析报告、腾讯新闻	2026-04/2026-05-20	具身基础模型	L5
当前最大风险是 contact-rich manipulation 的 sim-to-real gap，包括摩擦、接触、材质、透明/反光物体、传感器噪声和复杂障碍布局。	苏度科技横纵分析报告、腾讯新闻转述争议	2026-04/2026-05-20	机器人操作	L2/L5

与其他路线的边界

路线	数据来源	优势	风险
仿真驱动 Sim2Real	合成 3D 场景、物理仿真、世界模型、RL	数据规模、可控性、低成本、安全试错	sim-to-real gap、接触物理、真实工况长尾、客户验收难。
真机强化学习	真实机器人反复试错	动作策略直接贴近硬件和环境	设备损耗、周期长、安全和成本压力。
遥操作/示教	人类操作数据和工位演示	任务语义和真实环境贴近	人工采集贵、规模化难、跨任务泛化弱。
VLA / 具身大模型	网络视觉语言数据 + 机器人数据	泛化和语义理解强	低层控制、接触物理和可靠性仍需闭环。

待核验

• Hillbot / 苏度仿真系统与 SAPIEN、ManiSkill、ManiSkill3 之间的 IP、授权、开源/闭源和工程复用边界。
• NVIDIA Cosmos 深度合作是否有 NVIDIA 官方 Developer、Newsroom、GTC 或产品案例一手证据。
• 训练速度、内存优化、60 分钟抓取测试和车企检查任务是否有第三方复现、客户现场日志或验收报告。
• 纯仿真路线在柔性物体、双手协作、工具使用、装配和多步任务上的真实成功率。