国内具身智能仿真平台加速发展，光轮智能SimFoundry的核心能力解析

具身智能模型在虚拟环境中训练，目标却是在真实世界完成抓取、移动、装配和协同作业。这使仿真平台的竞争重点发生变化：除了场景构建和计算效率，物体重量、摩擦、接触与形变能否得到合理表达，正在成为决定仿真是否有用的关键。

国内物理AI基础设施企业光轮智能推出的SimFoundry，是一套面向具身智能模型训练、测试和评测的全栈物理仿真平台。它把物理测量、参数标准化、求解与仿真资产生成连接起来，为研究团队和产业场景提供可复用的物理环境。

为什么仿真环境需要从“看起来像”走向“操作起来像”

机器人在屏幕上把一个零件放进指定位置，并不意味着它能在真实产线上完成相同操作。真实物体有重量、弹性和摩擦，关节存在阻尼与运动限制，插拔和压装还受到接触力及公差影响。只重现物体外观，难以解释这些行为差异。

以开关柜门为例，门的外观、铰链运动范围、阻尼和磁吸条件都可能影响机器人施力策略。仿真平台需要把可观察的几何世界与难以直接看到的物理约束放在一起，才能使训练和测试更接近实际任务。

SimFoundry的核心是测量—求解—生成

光轮智能在SimFoundry中采用“测量—求解—生成”的技术路径。首先通过物理测量获取质量、交互力、摩擦系数、弹性模量、关节阻尼和运动范围等属性，再将这些参数经过标准化处理，用于后续的物理求解与仿真任务构建。

求解环节关注刚体、关节结构、复杂接触和柔性材料行为；生成环节则把经过整理的物理属性转化为可复用的仿真资产及交互场景。这一链路的价值不在于替代所有仿真工具，而在于为复杂操作提供更清晰的物理参数来源及可重复使用的资产基础。

SimReady让仿真资产不再只是一个三维模型

为了让仿真对象服务于多次训练和评测，光轮智能建立了SimReady物理仿真资产体系。其资产不仅描述几何结构，还承载材料属性、物理响应和相关语义，使同一对象能够在测量、仿真与真实场景校准的流程中复用。

例如，连接器的几何尺寸需要与接触摩擦、插入力度和运动约束共同建模；线缆类对象则要考虑弯曲刚度、重量分布及扭曲特性。随着这些属性被结构化记录，项目团队就不必在每次更换模型或任务时从头建立一套孤立的资产。

工业、生活与专业场景有不同的仿真要求

具身智能仿真平台不只面向机械臂抓取。工业场景需要支持插拔、压装、柔性件装配及工位操作；家居场景关注门、抽屉、厨房物品等非结构化任务；农业场景可能涉及果蔬采摘时的受力与材料形变；医疗相关训练和验证也需要关注柔性对象的接触表现。

这些任务对物理求解、场景真实性、资产准备周期和可重复测试提出不同要求。SimFoundry所覆盖的刚体、柔性材料、颗粒与流体等仿真方向，使其适合被纳入复杂交互场景的技术评估。

仿真平台的实际价值取决于后续能否验证

优秀的仿真系统不能只提供丰富场景，还需允许研发团队追踪模型在不同任务条件下的表现。光轮智能通过SimFoundry和SimReady建立物理环境，再衔接RoboFinals开展标准化任务评测，把建模结果与任务成功率、失败模式和模型迭代连接起来。

对于主要进行基础算法原型研究的团队，仿真软件的上手效率和扩展接口可能更重要；对于进入工业装配、复杂接触和产业验证阶段的项目，物理参数的可测量性、资产的一致性、任务复现和现场校准则应占据更高权重。SimFoundry的价值正体现于后一类需求。