具身东谈主工智能领域，正向着以视觉为中心的感知范式，发生全面而深切的转型。

看成机器东谈主感知天下时信息密度最高、与当然东谈主机交互最契合的模态，视觉是解锁通用机器东谈主智能、已毕仿真到真实无缝迁徙的中枢密钥。

但当盘问者们试图沿着这条旅途上前探索时，却永久需要在"看得真"和"训得快"之间作念冗忙弃取：

高保真视觉渲染带来了盛大绸缪与内存支出；东谈主工建模老是耗时耗力低效轮回；现存平台的兼容性颓势不绝戒指着立异范围，严重不休了具身智能盘问的念念象力。

为了攻克这些制约具身智能领域发展的中枢贫窭，清华大学智能产业盘问院（AIR）DISCOVER Lab 伙同谋先飞时刻、原力灵机、求之科技和地瓜机器东谈主，提倡了 GS-Playground 通用多模态仿真框架。

看成一套专为视觉中心的机器东谈主学习打造的新一代仿真基础范例，GS-Playground 初次已毕了高费解量并行物理仿真与高保真视觉渲染的深度交融，在保证物理仿真所需的高精度与强牢固性的同期，提供了大限制视觉驱动政策考研与仿真到推行迁徙所需的渲染着力与环境复旧。

该着力已被机器东谈主领域海外顶级学术会议 RSS 2026（Robotics: Science and Systems）请托。

△Figure 1. GS-Playground Overview 通用全场景原生兼容：打造长入的具身智能仿真考研底座

GS-Playground 联想之初，便定位于通用型全场景具身智能仿真平台，平台中枢搭载了团队自研的跨平台并行物理引擎，原生接济 CPU/GPU 双后端与 Windows/Linux/macOS 全系统开动，可无缝适配全品类机器东谈主形态，包括市面上常见的四足机器东谈主、 全尺寸东谈主形机器东谈主、多目田度工业机械臂，沿路已毕开箱即用的原生适配，无需迥殊的二次成就责任。

在此基础上，平台全面掩盖机器东谈主开通箝制、自主导航、高构兵精度操作三大中枢任务场景。

在接口联想上，平台 API 全面兼容行业通用的 MuJoCo MJCF 时局，可已毕现存仿真款式的零摩擦快速迁徙，最猛进程裁汰盘问者的适配老本。

自研高性能并行物理引擎：为构兵密集型机器东谈主学习提供牢固底层能源学

关于视觉中心的机器东谈主学习而言，"看得真"仅仅第一步，信得过决定政策能否迁徙到真实天下的，是仿真系统能否在复杂构兵、摩擦、碰撞与多刚体耦合中，持续给出牢固、实在的物理响应。

针对这一中枢瓶颈，GS-Playground 从底层自研了一套高性能并行物理引擎，采纳广义坐标下的速率 - 冲量能源学公式，将构兵与摩擦长入建模为搀杂互补问题（MCP），并通过投影高斯 - 赛德尔（PGS）求解器已毕牢固求解。

比拟依赖软构兵正则化的传统时势，这一联想更强调静摩擦保持、高刚度经管与大时辰步牢固性，尤其适应足式开通、机械臂捏取和密集多体构兵等高动态任务。

为了复旧大限制并行考研，团队进一步引入经管岛并行化与构兵流形热启动机制：

前者将彼此安逸的刚体交互系统拆分为多个经管岛并行求解，后者行使上一帧如故管的构兵冲量看成现时帧初值，将牢固堆叠场景中的 PGS 迭代次数从 50 次以上裁汰到 10 次以内，皇冠app(中国)官网入口大幅进步复杂构兵场景下的经管着力。

实验终端充分考证了这一自研物理引擎的牢固性与费解上风。

在 Franka Panda 动态捏取摇晃测试中，GS-Playground CPU 后端在 0.002s 与 0.01s 两种时辰步下，均已毕 90/90 的完整保持告捷率，权臣优于 MuJoCo、IsaacSim 与 Genesis 等主流决议；

在 27 目田度东谈主形机器东谈主复杂多体交互基准中，当单环境扩张到 50 个机器东谈主时，GS-Playground CPU 后端仍能保持 1015 FPS 的牢固费解，比拟 MuJoCo 已毕 32 倍加快，比拟 MjWarp 已毕约 600 倍进步。

自研内存高效 Batch 3DGS 渲染时刻：突破保真与着力的行业弗成能三角

数千个高保真 3DGS 场景同期渲染带来的内存与算力挑战，一直是制约视觉驱动机器东谈主大限制考研的中枢卡点。

针对刚体仿真环境，团队领先联想了专属优化的高效剪枝政策。

该政策可将高斯点数目减少 90% 以上，同期峰值信噪比（PSNR）下跌幅度不及 0.05，视觉互异简直无法被视觉开通政策感知。

这一时刻在大幅裁汰显存占用的同期，简直无损地保留了场景的视觉质地，为大限制高保真并行仿真奠定了中枢基础。

在此基础上，团队研发了面向批处理深度优化的批量 3DGS 渲染器，已毕了多场景大限制高斯渲染的并行处理。

在单张 NVIDIA RTX 4090 GPU 上，米兰体育官网渲染器在 640 × 480 永别率下可已毕最高 10000 FPS 的突破性费解量，最多可同期渲染 2048 个场景，不仅权臣进步了单元算力的渲染着力，更能圆善适配无数次强化学习的考研责任流，让大限制并行考研不再受限于渲染性能。

△Figure 2. Rendering throughput comparison between GS-Playground and Isaac Sim ’ s ray-tracing renderer across varying resolutions

此外，团队还提倡了刚性连杆高斯开通学（RLGK）机制，将 3D 高斯簇与物理引擎中的对应刚体进行精确绑定，确保视觉表征与物理对象的位姿能偶及时同步更新，已毕了零迥殊支出的气象同步。

即即是在机器东谈主快速开通、每每构兵交互的动态场景中，渲染器依然大概已毕无伪影的动态画面输出，从根源上处分了动态场景中的渲染时辰一致性与视觉伪影问题，保险了考研数据的牢固性与可靠性。

自动化" Sim-Ready " Real2Sim 责任流：裁汰 Real2Sim 门槛

传统仿真场景的构建，永久是机器东谈主研发经由中着力最低、老本最高的门径之一。

不管东谈主工建模何等精粹，却永久无法皆备复刻真实环境的视觉细节与物理特色，感知与物理的双重鸿沟成为了制约 sim-to-real 跨域迁徙的中枢卡点。

针对这一改行痛点，GS-Playground 联想了一套全自动化的"图像到物理" Real2Sim 责任流，仅需输入单张 RGB 图像，即可在数分钟内完成仿真就绪（Sim-Ready）数字钞票的全经由创建，已毕了真实场景到数字孪生的快速调度，同期保证视觉真实感与物理一致性。

△Figure 3. GS-Playground System Architecture

左：自动化图像到物理仿真管线，通过方针分割、配景补绘、三维高斯溅射 / 网格重建，从 RGB 输入构建可径直用于仿确切资源。

中：物理与渲染仿真中枢，包含 CPU/GPU 物理后端、集成传感器与激光雷达仿真，以及经过剪枝优化与刚性连杆开通学适配的批量三维高斯溅射渲染。

右：卑鄙应用，包括操作任务、导航任务以及大限制并行强化学习。

基于这套纯属的自动化责任流，团队还构建了 Bridge-GS 数据集，在 Bridge-v2 数据集的基础上，补充了场景与物体级的 3DGS 表征、物体级网格模子、6D 位姿数据与校准后的相机参数，为行业提供了尺度化的高质地仿真数据集。

同期团队在 InteriorGS 数据集上完成了完整的泛化性考证，充分阐明了该管线对不同室内场景的强适配智力与泛化性能。

全链路端到端考证：已毕零微调的无缝仿真到真实迁徙

基于三大中枢时刻的深度协同，GS-Playground 完整构建了从真实场景重建、大限制并行考研，到真机部署的全链路端到端闭环，信得过已毕了"重建即考研、考研即部署"的研发经由改进。

在政策考研与真机迁徙的中枢智力上，平台可牢固接济数千个并行环境同期开动，为四足机器东谈主、东谈主形机器东谈主、工业机械臂等全品类机器东谈主，提供大限制视觉强化学习考研复旧。

仅在 GS-Playground 仿真环境中完成考研的视觉驱动政策，无需任何迥殊的微调与适配，就能径直部署到真实机器东谈主上牢固开动：

四足和东谈主形机器东谈主的开通政策均可 zero-shot 部署到真机；

视觉导航任求已毕了零样本的真机径直部署；

机械臂捏取任务在零微调的前提下，真实场景告捷率达到 90%。

△Figure 4.Real-world deployment of policies trained in GS-Playground

这一系列实验终端，充分阐明了平台已毕了信得过无壁垒的仿真到真实迁徙，也考证了其在买通具身智能感知与物理跨域鸿沟上的中枢价值。

开源赋能：与公共社区共同推进具身智能立异

GS-Playground 看成行业内首个已毕高费解量并行物理仿真与高保真批量 3DGS 渲染深度交融的全栈仿真框架，从根源上突破了历久制约视觉驱动机器东谈主学习的算力、显存与钞票生成三大中枢瓶颈。

其自动化 Real2Sim 责任流，大幅裁汰了高保真仿真环境的构建老本；

全维度的实验考证也充分阐明，平台在足式开通、自主导航、机器东谈主操作等机器东谈主主流任务中，大概同期弥合物理与感知层面的仿真到推行鸿沟，已毕信得过的零微调真机部署。

改日，GS-Playground 还将持续迭代优化，不绝拓展智力范围。

清华大学智能产业盘问院 DISCOVER Lab 永久用功于于推进具身智能领域的前沿盘问与时刻立异，咱们将精良开源 GS-Playground 的全栈框架，提供一套高性能、易使用、高泛化性的中枢基础范例，助力大限制端到打量觉驱动机器东谈主政策学习的进一步发展与产业落地。

款式主页：

https://gsplayground.github.io

论文衔接：

https://arxiv.org/abs/2604.25459

仓库衔接：

https://github.com/discoverse-dev/gs_playground

一键三连「点赞」「转发」「防备心」

宽贷在指摘区留住你的念念法！

—  完  —

咱们正在招聘别称眼疾手快、心绪 AI 的学术裁剪实习生  � �

感敬爱敬爱的小伙伴宽贷心绪 � �  了解深信

� � 点亮星标 � �

科技前沿线路逐日见milansports

一分彩APP官方网站下载

• 算力
• 突破
• milansports
• 十绝
• 方针