机器人还没进工厂，先在虚拟世界练几万次：光轮智能把仿真数据带到 WAIC

哇哦AI

光轮智能在 WAIC 2026 官方企业目录使用的品牌资产，经等比例置入统一画布。 来源：WAIC 2026 官方企业目录

机器人学习抓取、搬运和巡检，不能把所有失败都留到真实工厂里。一次碰撞可能损坏设备，采集一万种异常情况又费时费钱，于是越来越多训练先在仿真环境里完成。

光轮智能在 WAIC 2026 展示的是一套“数据—评测—部署反馈”系统：先生成或采集训练数据，在虚拟环境中验证策略，再把真实部署遇到的问题送回下一轮训练。它还以技术指导委员会成员身份参与开源物理仿真引擎 Newton 的建设。

仿真不只是做一段好看的机器人动画
训练系统要描述物体重量、摩擦、碰撞、关节和传感器噪声，让机器人在虚拟环境中的失败尽量接近现实。模型可以反复尝试不同动作，而不必每次占用真实机器。

光轮智能公开的产品方向包括仿真合成数据、机器人评测和人类操作视频数据。它希望把训练前的数据准备与上线后的能力评估接成一条连续流程。

仿真的价值在于更便宜地覆盖大量边界情况，但虚拟环境永远无法完全复制现实。材质、光照、机械磨损和意外干扰都会造成“仿真到现实”的差距。

加入 Newton 委员会，争的是底层规则接口
Newton 是面向机器人学习的开源物理仿真项目。公开信息显示，光轮智能与 NVIDIA、Google DeepMind、迪士尼研究院和丰田研究院共同参与技术指导委员会。

这类委员会的工作不等于某一家拥有整个引擎，更重要的是推动物理求解、数据格式和评测接口形成可复用规则。标准更统一后，研究团队更容易在不同模型、算力和机器人之间交换资产与测试结果。

光轮智能同时在推进国产算力适配。对国内团队来说，仿真软件能否在不同芯片上稳定运行，会影响数据生成速度和整体训练成本。

数据需求变大，也要防止“小时数”掩盖质量问题
新华网报道中，光轮智能判断机器人进入产业端后，具身数据需求正在快速增长。行业开始用百万小时订单描述规模，但时间长并不自动代表数据有效。

训练数据需要覆盖任务目标、失败动作、传感器状态和安全边界，还要避免大量重复片段。评测集如果与训练数据过于相似，也会让模型成绩显得虚高。

WAIC 上的这套持续学习系统把注意力从机器人本体移到了背后的训练基础设施。下一阶段更值得关注的是数据质量标准、仿真与真实表现的差距，以及评测结果能否被独立复现。

想继续了解
• 光轮智能官网
• 新华网：光轮智能 WAIC 物理 AI 数据基础设施
• 中关村科学城：光轮智能加入 Newton 技术委员会
• 东方财富：WAIC 专访光轮智能
• WAIC 2026 官方企业目录