RobotKinh doanh & Thị trường 🇨🇳 01.08.2026 09:01

Fei-Fei Li sáng lập World Labs mua lại SceniX: Huấn luyện AI vật lý chuyển từ 'thu thập dữ liệu' sang 'tạo ra thế giới'

World LabsWorld Labs
World Labs do Fei-Fei Li sáng lập đã mua lại SceniX, một công ty mô phỏng robot, đồng thời công bố hệ thống Real-to-Sim-to-Real (R2S2R) của mình. Thương vụ này cho thấy sự chuyển dịch của các mô hình thế giới từ việc tạo ra không gian chân thực sang mô phỏng hậu quả của các hành động. Song song đó, công ty Trung Quốc Wuwen AI đang xây dựng hạ tầng khép kín 'Thu thập - Mô phỏng - Tạo sinh' tương tự cho AI vật lý.
Vào ngày 21 tháng 7, World Labs công bố việc mua lại SceniX, một tuần sau đó tiết lộ kết quả mới nhất của hệ thống R2S2R (Real-to-Sim-to-Real). Hệ thống này đưa một nhiệm vụ robot thực tế vào mô phỏng, mở rộng kịch bản nhiệm vụ để huấn luyện và đánh giá, sau đó triển khai chính sách trở lại robot thực tế. Điểm mấu chốt là liệu hiệu suất tương đối của chính sách trong mô phỏng có dự đoán được hiệu suất thực tế hay không, và liệu các vùng thất bại trong mô phỏng có thể phơi bày các vấn đề tiềm ẩn khi triển khai. World Labs hướng tới việc tạo ra một công cụ huấn luyện và đánh giá có khả năng mở rộng các nhiệm vụ thực tế thành nhiều thế giới huấn luyện có thể kiểm soát và tái sử dụng. Thương vụ này nhấn mạnh một canh bạc chiến lược vào lĩnh vực robot: các mô hình thế giới sẽ không chỉ tạo ra các môi trường trực quan chân thực mà còn cho phép robot hành động, thử nghiệm và học hỏi trong các thế giới ảo. Đồng thời, công ty Trung Quốc Wuwen AI đã trình bày một tầm nhìn tương tự với kiến trúc 'Thu thập Thế giới - Tạo ra Thế giới - Mô phỏng Thế giới', nhằm xây dựng cơ sở hạ tầng dữ liệu cho trí tuệ nhân tạo vật lý. Wuwen AI nhấn mạnh vào các vòng lặp dữ liệu khép kín: dữ liệu thế giới thực cung cấp cho việc tái tạo thế giới (Scan2Sim), mở rộng tạo sinh (Gen2Sim) và mô phỏng vật lý (thông qua mô phỏng thế giới 'Vô Cùng' của họ), với các thất bại trong thực tế thúc đẩy việc tạo ra dữ liệu mới. Công ty lập luận rằng ranh giới cạnh tranh tiếp theo không chỉ là tích lũy dữ liệu hay tài sản, mà là tạo ra nhiều 'thế giới hữu ích' không ngừng cải thiện khả năng của mô hình.
Nguồn: QbitAI 量子位 — bản gốc
Bài viết liên quan trước đây ↓
Tin mới