@theworldlabs: 要扩展机器人智能，就必须扩展机器人学习的世界。
摘要
World Labs 分享了构建世界以训练机器人的早期成果，推动了与物理和虚拟环境交互的空间智能。
查看缓存全文
缓存时间: 2026/07/30 01:48
要扩展机器人智能，我们必须扩展机器人学习的世界。
李飞飞谈仿真能为机器人领域带来哪些真实世界数据无法实现的价值：
“你可以模拟那些尚未发生、甚至不可能发生的事件……在模拟过程中，你也在学习如何应对这些场景。”
“这对机器人来说至关重要，因为我们不可能拥有足够多的真实世界数据来覆盖所有可能。”
“举一个现实中的例子：自动驾驶行业。Waymo官方曾表示，他们使用了数十亿小时的仿真数据。”
“汽车是最简单的机器人形态。显然，仿真在机器人学习中扮演着至关重要的角色。”
@drfeifei @YunzhuLiYZ @theworldlabs @martin_casado
相似文章
@drfeifei: https://x.com/drfeifei/status/2062247238143996275
Fei-Fei Li与World Labs团队提出了世界模型的功能分类法，区分了渲染器、物理引擎以及在强化学习循环中的其他组件，并论证空间智能是人工智能的下一个前沿。
World Labs' Fei-Fei Li on Creating Large World Models
李飞飞阐述World Labs专注于构建大型世界模型以解锁空间智能，认为这是继语言模型后的下一个前沿，并从进化史、应用场景、技术分类等角度论证其价值，同时表达了对AI安全务实态度和教育变革必要性的看法。
@itsolelehmann: 我认为大多数人不知道，但我非常看好：机器人世界模型。这是如何…
机器人世界模型通过生成模拟视频来实现更快更便宜的训练，例如LTX-2.5，以使机器能够实现高级的物理导航。
@theworldlabs: 用于机器人模拟，Atlas仅从几张照片重建一个空间，并生成逼真的RGB和深度数据…
Atlas是一个工具，它从几张照片重建空间，并为机器人模拟生成逼真的RGB和深度数据，使机器人能够在更多样化的环境中进行训练和测试。
Agent-World：面向演进式通用智能体的现实世界环境合成扩展
# 论文页面 - Agent-World: Scaling Real-World Environment Synthesis for Evolving General Agent Intelligence 来源：[https://huggingface.co/papers/2604.18292](https://huggingface.co/papers/2604.18292) 发布于 4 月 20 日 · 提交者[https://huggingface.co/dongguanting](https://huggingface.co/dongguanting) [](https://huggingface.co/dongguanting) [KABI](https://huggingface.co/donggua