AI WAVE持续落地 “让机器人真正上岗 —— 从数据到智能的全栈闭环” 作业智能布局，开云电竞Genie Sim迎来重磅升级。平台打通真实空间重建、柔性交互仿真、能力评测、策略后训练完整链路，以柔性仿真为核心突破口，把真实物理世界搬进虚拟研发环境，实现模型能力标准化评测，将仿真中暴露的问题反哺迭代训练，为机器人从算法原型走向真实产业应用，筑牢高可信的训练与验证基础设施。
叠一块布、系紧束口袋，对人类是随手就能完成的小事，放到机器人身上却成了行业难题。布料褶皱变形、绳索拉扯滑动，柔性物体每一次受力形变，都会改变后续的操作条件。过去仿真大多擅长刚体模拟，面对布料、绳索这类柔性物体，虚拟世界和真实环境差距巨大，经常出现 “仿真里满分，真机上翻车”。
作为 AI WAVE 全栈技术发布重要一环，为了实现 “让机器人真正上岗 —— 从数据到智能的全栈闭环” ，开云电竞完成 Genie Sim 仿真平台重大版本迭代。本次升级聚焦行业痛点柔性仿真，结合 Real2Sim 系统辨识与世界模型推演能力，大幅提升柔性形变、复杂接触交互的模拟保真度；把场景重建、数据采集、自动评测、模型后训练和开放世界探索整合进一套统一工具链。仿真 真机任务表现相关性达到96.7%，真正做到仿真的训练与评测结果，可以直接映射到真实机器人，为具身智能研发提供高可信的训练验证基础设施。
项目主页：
agibot-world.com/genie-sim
开源地址：
github.com/AgibotTech/genie_sim
01/
告别 “看着像、动起来不对”
攻克柔性交互仿真难题
刚体物体仿真已经日趋成熟，但柔性物体一直是仿真领域的老大难。
折叠毛巾、收紧束口袋这类任务，物体形态会随着抓取、挤压持续改变，接触、摩擦、形变环环相扣，仿真稍有偏差，就会直接导致机器人任务失败。想要在虚拟环境训练出能处理柔性物体的机器人，不仅要做到视觉上 “看起来像”，更要还原受力、形变、摩擦打滑等真实物理交互过程。
Genie Sim 通过两套技术路径破解柔性仿真难题：自研物理引擎做规则化物理计算，搭配世界模型完成场景演化预测，双管齐下还原复杂柔性交互。
其一，Genie Sim Engine：真实数据驱动的高精度柔性物理引擎。该引擎采用多物理求解器协同架构，实现刚柔接触分区求解、动态反馈与状态一致性管理，提升复杂刚柔交互真实度并实现20 倍加速。同时通过采集真机操作数据，校准仿真物体的质量密度、摩擦系数和阻尼等物理属性，让仿真环境里布料的弯折、口袋的收紧，都无限贴近现实表现。依托这套引擎，开发者可以在虚拟环境低成本海量生成柔性操作训练样本，让机器人在仿真中反复练习柔性操作，无需损耗实体物料。
真实世界-仿真环境柔性操作的力矩和触觉对比
其二，推出Genie Sim Dream世界模型闭环仿真，打造机器人专属 “虚拟演练场”。基于真实画面，推演机器人动作之后的场景变化，重点复现柔软物体抓取、挤压、折叠的形变过程。机器人在虚拟空间完成 “观察 动作 观测反馈” 完整闭环，支持多步长连续操作测试；同时可调用VLM视觉大模型自动判别任务完成度，识别操作失败节点。不用占用真机，就能完成大量高风险、高损耗任务的推演验证。
世界模型推演真实柔性交互
02/
96.7% 仿真 真机一致性
用实测数据建立 “可信度”
仿真工具价值几何，核心评判标准只有一个：仿真里跑出来的效果，能不能等价于真实世界表现。为了量化可信度，Genie Sim开展大规模对照实验：不对仿真环境做任何适配调优，把真实世界训练出来的模型，直接扔进仿真环境做零样本评测（zero-shot real-to-sim）。横跨4款不同机器人本体、覆盖22项复杂任务，最终测出仿真与真机任务得分相关性高达 96.7%。
真机-仿真关节位置、关节力矩误差对比
22项复杂任务真机-仿真评测结果一致性对比
从底层关节层面，Genie Sim通过Real2Sim系统辨识对齐仿真与真机的惯性、摩擦、力矩响应，仿真机器人接收到相同指令，关节位置、力矩变化曲线高度贴合真机表现。
这意味着仿真中的评测分数不再是 “虚拟成绩单”，仿真中发现的缺陷、验证有效的策略，可以高度可信地迁移到真实机器人，大幅降低真机调试试错成本。
03/
新增四维评测连接后训练
仿真推动模型迭代
随着具身任务走向复杂化，单一的任务成功率已经不足以衡量机器人综合水平。Genie Sim Benchmark 基准评测套件全新升级，新增灵巧操作、全身协同、精细操作、本体迁移四大评测维度。不再只看任务最终有没有做完，同时考核动作灵巧度、精密操作能力、全身多关节协同表现，以及模型技能能不能迁移到不同构型的机器人本体，帮助开发者清晰定位模型能力短板，研发方向一目了然。
灵巧操作
全身协同
精细操作
本体迁移
找到不足，就要针对性补强。平台同步上线Genie Sim × RLinf并行后训练框架。依托Benchmark评测结果定向筛选任务，驱动多虚拟环境并行开展强化学习训练。海量虚拟实例同步试错、沉淀经验，迭代优化机器人策略。框架兼容主流强化学习工具，降低接入门槛，完整形成「评测定位短板→仿真并行训练→再次评测验证效果」的闭环链路，训练目标清晰，迭代效果可量化。
04/
从桌面操作走向开放场景
让机器人在仿真中持续进化
真实世界不会是碎片化的单步任务，工厂、商超、家庭场景，往往需要机器人自主完成一连串长流程作业。Genie Sim Sandbox 搭建起高度还原的虚拟工作现场，覆盖家居、工厂商超、餐饮办公等多元场景。平台可直接对接 Agent 系统，开发者既可使用预置任务，也能够自由下发自定义指令。
从准备早餐、整理餐桌，到便利店拣货、餐厅托盘上菜，机器人可以在沙盒环境中自主规划路径、处理物品、应对环境变化，连续完成完整业务链条。开发者能够直观看到机器人在哪一步卡住、哪里出现失误，快速组合生成海量全新任务，省去重复搭建场景的高昂成本。在仿真虚拟世界，实现机器人的持续自主进化。
Agent在仿真开放环境中探索进化
作为AI WAVE全栈链条当中的训练验证基础设施，Genie Sim向上承接AGIBOT WORLD数据集的真实物理经验，向下支撑GO系列具身模型训练迭代，串联起场景重建、仿真训练、自动评测、后训练迭代的完整链路。解决柔性仿真痛点，缩小虚拟世界与现实世界鸿沟，让大量高成本、高风险的训练测试工作在仿真中完成，减少真机损耗，加速具身智能从算法原型走向产业落地。
Genie Sim 仿真代码会在GitHub全面更新，仿真资产、配套数据集同步上架HuggingFace与魔搭ModelScope，面向全球开发者开放使用。
首页
