“物理AI”黄金时代来临“物理AI”的黄金时代也许正在到来。就在4月底群核科技港股上市两天暴涨近400%。这间家居科技赛道的头部公司用15年时间积累了海量真实物理参数的3D模型数据冲刺“杭州六小龙”第一股成功正式拉开了“物理AI”的时代大幕。有意思的是同样在杭州另一家行业巨头也在做类似的事情。但与群核科技所主攻“3D刚体仿真”不同的是它所瞄准的是技术难度极高、数据却又极端稀缺的“3D柔性仿真”赛道。凌迪科技发布SynReal系统今年2月凌迪科技发布自研物理仿真与合成数据系统SynReal。作为服装科技赛道巨头凌迪科技在10年间积累了海量布料“3D柔性数据”其SynReal系统能够降低具身智能仿真的训练成本同时提升数据吞吐量。例如银河通用的春晚叠衣机器人背后就有凌迪科技的部分技术支撑。“柔性仿真”难题待解“柔性仿真”为什么这么难为什么它被称为“具身智能圣杯”一家服装科技赛道巨头又为什么选择跨界机器人赛道靠什么取得成功故事要从“机器人叠衣服难题”说起。当你以为具身智能机器人很“聪明”时可以让它叠件衣服试试。这个能负重、能长跑、半马比赛成绩都能超过人类的尖端科技造物面对一件普通T恤却可能铺不平、抓不稳、叠不齐、手足无措。当然也有不少玩家能“叠好”其实现路径一般有两种一种是把动作程序“写死”衣服被放置在指定位置、事先铺平、放好再由机器完成固定动作另一种机器人更“聪明”能够灵活抓取不同衣服面对人类干扰也能继续任务——但其代价是需要耗费半年以上的真人操作数据采集作为机器人的“训练教材”而一旦更换场景、灯光、桌面、衣服材质等“教材”都无法复用。聪明的你一定能想到能不能在电脑里构建一个符合真实世界物理规则的“虚拟世界”用代码训练机器人呢确实可以很多巨头也都是这么做的比如英伟达Issac、微软AirSim、被DeepMind收购的MuJoCo等等。和大模型等AI软件不同由于这一路径和物理世界深度绑定往往被称为“物理AI”。然而正如上文所言当前的物理AI中“刚性数据”占了绝对主流。打开数据库充斥的是方块、机械臂、规整的物体。它们易于定义便于计算。但你我都知道现实世界中从身上穿着的衣服到超市里的水果从随手揉捏的塑料袋到我们自身的皮肤……至少三分之一的物体是“柔性”的。一个刚性物体运动轨迹相对确定。而一块柔软的布料每根纤维都在自由飘动。当机器人抓起它施加的微小力道会引发连锁反应。褶皱如何产生布料如何垂坠每一个点的变化都牵连着整体一块普通布料在3D仿真中被离散成数万个顶点。每个顶点都有多个自由度。这将带来天文数字般的爆炸计算量难度飙升。而当两个柔性物体接触时比如叠衣服是布料与布料自身的折叠与接触其物理交互的复杂性简直是“地狱难度”。这也是为什么“柔性3D仿真”被称为“具身智能圣杯”其不仅数据量极少、而且计算难度很高却又是具身智能落地所必须攻克的技术难题。毕竟试想下假如养老机器人把人类当不会形变的“刚体”处理将会带来多么可怕的后果。服装界的“扫地僧”凌迪科技“柔性3D仿真”的问题困扰了产业许多年。当人们将聚光灯都打在机器人公司和AI实验室身上时谁也没想到真正的破局者会来自一个看似“不相干”的领域——3D服装科技。一片虚拟的布料如何垂坠如何飘动如何与另一块布料缠绕、弯曲、拉伸、折叠这些在物理仿真领域被视为“地狱级”的难题恰恰是凌迪科技的日常。这家成立于2015年的服装科技巨头在十年间积累了海量、高质、极度稀缺的“3D柔性仿真数据”。作为服装科技领域的隐形冠军其不仅常年位居杭州《准独角兽企业榜单》之列更是凭借柔性3D仿真技术位列《杭州具身十八罗汉》之列。当然光有数据积累是不够的。在过去这十年间凌迪科技的研究团队在柔性物体物理仿真的基础研究上进行了惊人的长期投入其在SIGGRAPH等全球图形学顶会上发表过多项研究成果涵盖形变体物理仿真、复杂接触处理与高性能数值计算等核心技术问题。所以当具身智能行业在为“叠一件衣服”的数据哼哧哼哧焦头烂额半年时凌迪科技的“武器库”里早已储备了十年弹药当人们苦于柔性3D仿真计算的“地狱难度”时凌迪科技的基础研究正在为这个难题“寻找解法”。如今这位“扫地僧”终于走向台前。而凌迪科技所推出的SynReal物理仿真与合成数据系统正是其十年功力凝聚的“集大成之作”。它将试图捧起那座“圣杯”让机器人真正触摸到“世界的柔软”。3D仿真决定具身智能上限SynReal主要由三部分组成1、SynReal Sim——高保真仿真引擎2、SynReal Arena——具身智能训练平台3、SynReal Core——基于大规模合成交互数据的训练模型。听上去可能有点复杂简单打个比方SynReal Sim负责创造一个符合物理规则的“虚拟世界”SynReal Arena为机器人提供“虚拟训练场地”SynReal Core则负责让机器人学习和形成能力。三者组合在一起便成为一间SynReal“机器人训练学校”机器人可以在其中通过一分钟千百万次的“虚拟训练”逐渐学会如何与物理世界打交道从学校“毕业”后再来真实世界“打工”。跟SynReal这类物理仿真与合成数据系统的“虚拟学校”相对另一种具身智能的训练思路是通过人工采集数据训练“人教版”机器人。相比起来这种训练方式技术实现上更简单而且由于“人教版”数据来自真实物理世界能够包含一定的细节和噪声能够适用于机器人适应现实环境。但“人教版”的劣势也极其显著——贵太贵了费时费力且难以泛化。要知道“人教版”的采集时间常常以“月”“年”为单位单个任务高质量演示数据的收集往往需要耗费专业团队数月时间成本从几十到几百万元不等。而仿真平台可以在几小时内生成数百万条涵盖丰富变化的数据轨迹而这种成本控制与数据规模对“人教版”而言几乎是不可能完成的任务。而相较于其他物理AI仿真平台“真、快、稳”是SynReal的三个独到优势。首先是“真”在海量刚性、柔性3D仿真数据的储备“加持”下SynReal不仅能够为机器人提供更真实、更复杂、更接近现实世界的训练环境还能够实现更准确、更正确的静动力学计算其误差较之行业标杆Issac Sim还要少上近20%。其次是“快”这也是“机器人虚拟学校”最重要指标之一仿真速度决定了数据生成是否具备规模化可行性。凌迪的技术团队围绕GPU并行计算架构重构了“柔性3D仿真”的整体流程使其能够大幅提升仿真的吞吐能力仿真速度较之Issac Sim快5 - 10倍显著提升了机器人训练效率。最后是“稳”正如上文所言单一柔性物体的3D仿真已经很难了而两个或以上柔性物体接触时的物理交互难度直接“爆炸”——在3D游戏里头发、衣服等柔性物体也最容易“穿模”。为了解决这一问题凌迪技术团队在仿真中引入了基于IPCIncremental Potential ContactSIGGRAPH 2020上的最新创新思路路径计算方法使得SynReal在多点、多层、自接触频繁变化的情况下也能保持仿真的稳定性让使机器人在复杂场景中获得更稳定、更可靠的学习结果。只有更逼真、更高效、更稳定的“虚拟学校”才能训练出更聪明、更灵巧、更能适应复杂现实的具身智能机器人。在人工成本日益昂贵而机器人训练需求又爆炸疯长的当下运用海量、低成本、高质量的仿真数据来训练机器人毫无疑问是大势所趋。而只有通过“虚拟学校”的千锤百炼机器人才能真正降低成本从耗资巨大的“实验室珍品”和“舞台表演者”变为可大规模部署的“社会劳动力”走进家庭、走进千行百业洗衣、做饭、养老、陪伴。跨界者推动历史转折历史的转折常由“跨界者”推动。正如英伟达的“老本行”是游戏显卡、小米的老本行是“发烧友手机”海量的技术突破与行业引领者其实都是“跨界者”。“跨界者”携带着完全不同的产业基因他们用新领域的深厚积累“换道超车”地解决旧领域顽固痛点没有陈旧的思维定式只有解题的新工具、新视角。柔性3D仿真这是当前具身智能产业的关键技术分水岭而坐拥整座柔性3D模型宝库的凌迪正是产业当下最需要的“跨界者”。凌迪科技在服装科技领域积累10年的柔性3D仿真技术与为并行计算深度优化的工程能力相结合构建出既极度逼真、又高效稳定的SynReal“虚拟训练场”直击机器人训练产业“贵、慢、难泛化”的老痛点。不可否认的是今天的机器人离人们的生活还是太远了些。过去十年是软件AI突飞猛进的十年。我们迎来了神经网络、迎来了深度学习、迎来了火遍全球的大语言模型。可正如网络上那个知名的段子所“吐槽”——“我希望AI可以帮我洗衣服洗碗这样我可以有时间来搞艺术和写作。而不是AI代替我搞艺术和写作我来洗衣服洗碗”也许在未来十年里谁能够掌握“物理AI”谁就能定义下一个智能时代。