Fei-Fei Lis World Labs übernimmt SceniX: Training für physische KI wechselt vom 'Sammeln von Daten' zum 'Erschaffen von Welten'

Am 21. Juli gab World Labs die Übernahme von SceniX bekannt, gefolgt von der Enthüllung der neuesten Ergebnisse seines R2S2R-Systems (Real-to-Sim-to-Real) eine Woche später. Dieses System verlagert eine reale Roboteraufgabe in die Simulation, skaliert das Aufgabenszenario für Training und Evaluierung und setzt die Richtlinie anschließend wieder auf den realen Roboter um. Der Schlüssel liegt darin, ob die relative Leistung der Richtlinie in der Simulation die Leistung in der realen Welt vorhersagt und ob Fehlerbereiche in der Simulation potenzielle Einsatzprobleme aufdecken können. World Labs zielt darauf ab, eine Trainings- und Evaluierungs-Engine zu schaffen, die reale Aufgaben in zahlreiche kontrollierbare, wiederverwendbare Trainingswelten erweitert. Die Übernahme unterstreicht eine strategische Wette auf Robotik: Weltmodelle werden nicht nur visuell realistische Umgebungen erzeugen, sondern es Robotern auch ermöglichen, in virtuellen Welten zu handeln, zu experimentieren und zu lernen. Parallel dazu hat das chinesische Unternehmen Wuwen AI mit seiner Architektur 'Collect World-Generate World-Simulate World' eine ähnliche Vision formuliert, die darauf abzielt, Dateninfrastruktur für physische KI aufzubauen. Wuwen AI betont geschlossene Datenkreisläufe: Echtzeitdaten speisen die Weltrekonstruktion (Scan2Sim), die generative Expansion (Gen2Sim) und die Physiksimulation (über seinen 'Wuqiong'-Weltsimulator), wobei Fehler in der Realität neue Datengenerierung antreiben. Das Unternehmen argumentiert, dass die nächste Wettbewerbsgrenze nicht nur darin besteht, Daten oder Assets anzuhäufen, sondern viele 'nützliche Welten' zu schaffen, die kontinuierlich die Modellfähigkeiten verbessern.