万帧照片级仿真，打通视觉机器人学习的感知与物理鸿沟：国产仿真器GS-Playground入选RSS 2026¶
Ch01.1295 万帧照片级仿真，打通视觉机器人学习的感知与物理鸿沟：国产仿真器GS-Playground入选RSS 2026¶
📊 Level ⭐⭐ | 4.1KB |
entities/万帧照片级仿真打通视觉机器人学习的感知与物理鸿沟国产仿真器gs-playground入选rss-2026.md
万帧照片级仿真，打通视觉机器人学习的感知与物理鸿沟：国产仿真器GS-Playground入选RSS 2026¶
来源: 机器之心
发布日期: 2026-05-07
原文链接: https://mp.weixin.qq.com/s/rguk3kNlH7eYOHCfiIoelg
近日， 清华大学智能产业研究院（AIR）DISCOVER Lab 联合谋先飞技术、原力灵机、求之科技和地瓜机器人， 提出了 新一代高通量视觉高保真仿真器 GS-Playground。
该成果已被机器人领域国际顶级学术会议 RSS 2026（Robotics: Science and Systems）录用，标志着国内具身智能仿真基础设施在视觉保真度与训练吞吐量两个维度上同时取得了国际领先水平的突破。
-
论文链接：http://arxiv.org/abs/2604.25459
-
主页地址：https://gsplayground.github.io
-
仓库地址：https://github.com/discoverse-dev/gs_playground
为什么需要 GS-Playground？三大核心痛点
具身 AI 研究正在经历从「本体感知」到「视觉感知」的范式转移。让机器人像人一样「用眼睛看世界」来学习决策，是学界公认的下一代技术路线。然而，现有仿真器在服务这一目标时面临三重瓶颈：
第一，渲染开销过于高昂。 当前主流的大规模并行仿真器（如 Isaac Lab、ManiSkill、Genesis 等）在物理仿真吞吐量上表现优异，但一旦接入高分辨率的逼真渲染管线，GPU 显存就会被物理仿真与渲染任务争抢殆尽，频繁触发显存溢出（OOM），迫使研究者在画面质量和训练规模之间做出痛苦取舍。
第二，仿真资产制作极度依赖人工。 构建一个同时满足高保真物理和高保真视觉的仿真场景，通常需要大量美术建模和工程调试。3D 重建技术虽已成熟，但将其输出转化为「仿真可用」的数字孪生，依然是一个劳动密集的过程。
第三，Sim2Real 迁移鸿沟显著。 由于仿真画面与真实世界在视觉和物理层面均存在差距，训练出的策略往往难以直接部署到真实机器人上，需要大量的视觉随机化和手工微调，进一步推高了计算成本和工程复杂度。
GS-Playground 的设计目标正是
关联¶
- 相关概念: Harness Engineering