一只机器人灵巧手，要经过多少次训练，才能像人手一样灵活地抓取、旋转和摆弄物体？

这个看似简单的问题，正成为具身智能产业发展面临的一道难题。

图1 灵巧手训练难题

近日，南京天洑软件有限公司在工业世界模型领域的研发取得阶段性突破。经过数十名研发人员近一年的联合攻关，企业正推动一款名为“工业世界模型生成器”（IWM Generator）的产品从技术研究走向工程应用。

图2 天洑工业世界模型生成器

这款产品的目标，是让计算机能够持续生成和运行不同的工业世界，让机器人训练、工业设备测试和复杂工程设计中的大量试错过程，尽可能先在虚拟世界中完成。

从机器人灵巧手，看见工业智能的现实难题

2025年，随着具身智能产业快速发展，天洑开始关注一个问题：人工智能已经能够理解文字、识别图像，但要让它真正理解物理世界，甚至像人一样操作物体，为什么依然如此困难？

以机器人灵巧手为例，人类拿起一个鸡蛋，能够自然控制手指力度，既不让鸡蛋滑落，也不会把它捏碎。但机器人要掌握这项技能，就必须学习物体的重量、形状、摩擦力以及接触后产生的形变。

目前，训练机器人主要有两条路径。

一条是利用大量视频和图像数据，让机器人学习人类动作。这种方式数据获取相对容易、成本较低，但视频难以完整反映接触力、摩擦力等物理信息，仅靠观察并不足以让机器人掌握精细操作。

另一条是在真实实验室中，利用机器人和各种物体反复训练。这种方式能够获得更准确的物理反馈，但需要大量设备、场地和人员投入，还面临设备损耗、训练效率和安全风险等问题。

有没有一种办法，既能降低训练成本，又能尽可能保留真实世界的物理规律？

天洑研发团队将目光投向了企业积累十余年的工程仿真技术。工程仿真的原理，是利用数学和物理规律，在计算机中模拟真实世界。

例如，一架飞机在不同气流中受到多大阻力，一个零件承受多大力量会发生变形，这些问题都可以通过计算机进行精确计算。

研发人员由此提出设想：既然可以模拟气流、结构和物体运动，能不能进一步构建一个遵循物理规律、可以持续运行的虚拟世界，让机器人在其中反复练习？

例如训练机器人抓取苹果时，计算机可以生成不同大小、重量、表面摩擦特性的苹果，也可以改变机器人手指的位置、抓握力度和周围环境。

每改变一组条件，就形成一个不同的虚拟世界。机器人可以在这些世界中反复抓取、失败、调整动作，再继续学习。

而且，这些世界不只是看起来真实，更要能够计算物体接触、运动和变形等过程，让机器人获得具有物理意义的训练数据。

研发团队将这种能力概括为：持续生成和运行不同的工业世界。

数十名研发人员联合攻关，让物理规律进入虚拟世界

2025年，天洑开始围绕工业世界模型的技术需求组织研发，集结流体力学、结构力学、人工智能、计算机图形学等不同领域的数十名研发人员，展开跨学科攻关。

团队面临的难题，不只是让计算机生成逼真的三维画面，还要让其中的物体具备合理的重量、材料属性和运动规律。机器人抓住物体时，物体应该怎样变形？手指接触表面时，摩擦力会怎样变化？不同计算模型又该如何协同运行？这些问题都需要逐一解决。

天洑此前开发的AICFD、AIFEM等物理计算工具，以及AIPOD智能优化设计软件，构成了研发的重要技术基础。

图3 天洑物理AI能力积累

经过近一年的努力，团队已初步打通从三维物体生成、物理属性配置到机器人在虚拟环境中执行抓取动作的技术链路，并持续推进物理模型校准、快速计算和训练策略等关键能力。

企业长期积累的工程计算技术，正从辅助工程师分析单个问题，向支撑人工智能理解和探索物理世界的基础能力延伸。

从机器人到航空航天，让工业试错更多发生在虚拟世界

工业世界模型生成器的应用前景，并不局限于机器人。

在航空航天领域，它可以模拟无人机遭遇不同风速、阵风甚至极端天气时的飞行状态，让工程师在真正试飞前，测试和优化控制方案。

在能源电力领域，它可以根据设备状态和运行条件，推演不同操作方式可能带来的结果。例如，当电厂调整设备运行参数时，可以先在虚拟世界中比较能耗、效率和安全风险，为实际操作提供参考。

在工业产品研发中，工程师也有望利用这一技术持续生成不同设计方案，比较其重量、强度和性能，从大量候选方案中寻找更合适的选择。

但其发展方向已经十分清晰：让成本高昂、风险较大、难以重复的工业试验，尽可能提前在计算机中开展。

从2011年成立至今，天洑逐步形成了物理AI与工业AI相结合的技术体系，并将自身定位为工业世界模型框架体系及基础设施提供商。工业世界模型生成器，正是这一技术体系向更广泛工业场景延伸的重要探索。

让机器先在虚拟世界里经历更多次试错，让现实工业少走一些弯路。这正是天洑研发工业世界模型生成器的初衷，也是这支硬核研发团队正在努力探索的方向。

标签：