直接“骗”过AI和机器狗？！物理AI+数字孪生，在虚拟中“伪造”现实空间

放眼近年来，“数字孪生（Digital Twin）”已成为产业界备受关注的关键词之一。

随着GPU算力飙升，CG早不只被用来拍电影、做游戏了，不知不觉间它已经进化成了能模拟真实物理法则的“超级计算基础设施”。

今天小编就带大家扒个前沿大佬的新技术，利用“物理AI”+“数字孪生”技术，让虚拟世界从“看起来逼真”直接进化成“物理规律逼真”。

成立于2017年的Space Data，以“宇宙开发”和“构建地球上数字孪生”为主营业务；简单来说，就是把卫星数据、AI和3D电脑图形技术结合，打造自己的技术平台。

公司主营业务分为“地球业务”和“宇宙业务”两大板块。为了让两大板块项目顺畅运行，Space Data便开发了无缝连接现实空间与虚拟世界的集成技术平台-PROVIDENCE。

追求“物理真实”而非“看着像真的”

不同于坊间许多做数字模拟和3D城市模型的公司，Space Data的强项在于，他们不止做看着漂亮的CG画面，而是追求能“骗”过AI和机器人级别的物理真实性。

从前大部分数字模拟，目标都是“照片级真实”。但如果要训练和验证搭载在机器人、自动驾驶和无人机上的“物理AI”，光是表面纹理好看远远不够，还要做到下面这几点对物理环境的精准还原：

01

传感器模拟准确

机器人搭载的摄像头、LiDAR（红外传感器）、超声波传感器，在虚拟空间中对物体的反射和噪声反馈，必须与现实完全一致。

02

物理法则严密

重力、摩擦系数、空气阻力，以及物体的质量和硬度是否被精确计算。

03

动态的环境变化

并非静止的城市，而是时间、天气、风力以及拥挤的“人流”实时变化，并成为干扰机器人行动的噪声环境。

Space Data以NVIDIA Omniverse为核心，通过基于OpenUSD的流水线，在一个计算平台上，实现了超高精度城市空间内的时间与天气变化、数万人规模的动态人流仿真，甚至包括建筑的瞬间替换以及随之而来的日照和景观变化。

4,096并行，5亿步训练机器狗

全球都在推进研发能在工厂、建筑工地，以及灾区等崎岖地形中行走的机器人。但如果直接用实体机器人去进行“行走训练”，不仅有高昂硬件损坏的风险，还只能在一倍速的现实时间下进行学习，效率极低。

Space Data依托NVIDIA Omniverse和NVIDIA Isaac Sim的物理仿真环境以及NVIDIA Isaac Lab，在数字模拟空间内展开了深度的强化学习训练，赋予机器人底层的稳健步态策略，让其能够在台阶、瓦砾等地形中保持平衡，甚至在意外绊倒时能够自主恢复姿态。

团队充分发挥GPU的超并行计算优势，同时构建了4,096个并行的虚拟环境，在其中进行了约5亿步的试错训练。依靠这种在现实世界中无法实现的庞大计算量，极大加速了AI的学习进程。

团队选择采用极具针对性的策略，在步态策略的学习过程中，摒弃了对摄像头或LiDAR等外界视觉传感器的依赖，转而以电机反馈的关节角度、速度等“本体感觉（Proprioception）”数据作为核心观测源。

这种训练方式让机器人能够像野生动物一样，不被外界表象所迷惑，仅凭自身足部承受的负荷与角度来维持平衡，从而在虚拟空间中练就了强健的“下盘”功夫。

团队发布了直观的视频资料，通过展示训练前后机器狗的行为变化，清晰证实了这种基于本体感觉的强化学习，在提升机器人步态稳定性方面的显著成效。

无人机飞行：在物理逼真与计算成本之间找到平衡

在无人机飞行模拟环境的构建方面，Space Data采取了与常规认知不同的务实策略。

团队现阶段的无人机仿真并未急于引入AI学习，而是将核心精力集中在NVIDIA Omniverse和Isaac Sim平台上，彻底夯实“使飞行成立”的物理模型与控制基础。通过严格遵循升力、反扭矩等核心飞行原理，团队在仿真环境中进行了细致的开发，以确保无人机的姿态控制与移动能够稳定、无差错地运行。

为了有效平衡“仿真保真度”与“计算成本”，团队设计了弹性的三级物理模型架构，来适配不同的应用场景：

高精度模型：精确到电机与螺旋桨级别，用于极限还原无人机的物理行为，适用于对单机动作进行极致精细验证的场景。

中精度模型：将产生的力近似为“合力”进行计算，在保留一定物理细节的同时有效降低计算开销。

低精度模型：通过直接赋予速度指令来驱动无人机运动，大幅节省算力，非常适合工厂或发电厂安保等需要同时放飞多架无人机进行运营验证的场景。

关于仿真与AI学习的关系，当前的首要任务是构建一个严谨的验证环境，使无人机能够在其中不断试错，从而高速运转“规划-飞行-分析”的开发迭代循环。团队认为，只有在建立起这样坚实的物理基础之后，未来的算法优化与AI学习方法才能真正发挥出其应有的价值。

高精度模拟背后：用粒子计算还原复杂物理现象

为了把更高阶的物理现象融入到模拟空间中，Space Data公司还在挑战与顶尖物理计算引擎的联动。

团队构建了一个环境，可以将Newton Physics的MPM求解器（Material Point Method：物质点法/粒子计算求解器）的计算结果，直接在Isaac Sim上显示和确认，并据此进行评估。MPM能够高精度计算复杂连续体物理行为，处理沙子、雪、流体以及被破坏的建筑物等传统多边形或简单刚体计算难以表现的效果。将它与Isaac Sim的机器人环境融合时，就能验证机器人走在泥泞中时脚部的下陷，或是无人机旋翼风卷起地面沙尘等极其细微且复杂的相互作用。

现阶段从Newton到Isaac Sim的数据传输还只是“单向”的，只能把计算结果导进来查看，不能在两者之间实时互动。但团队表示，公司未来将继续往通过更新实现双向交互方向推进研发。Space Data的下一个目标，是将这个在高级虚拟训练场中培育出的技术，大量推向现实世界。

从四足机器人在4096个虚拟环境中跌爬滚打，到无人机在虚实交错的物理法则中寻找平衡，再到粒子级别的沙尘与泥泞被精确计算，对CG行业乃至更广泛的科技产业而言，一场静水流深的变革正在发生。

当虚拟空间不再只是用来“看”，而是可以用来“学”和“练”的时候，它就不再是现实的影子，而成了现实的加速器。让虚拟世界变得更“真”，也不是为了逃离现实，而是为了更好地回到现实、改变现实。

-今日互动-

听说长得好看的人都给我点赞赞了