机器人仿真为什么难? 开发一台能自主完成复杂任务的机器人,离不开大量的测试与验证。然而,真实世界的测试昂贵、耗时且难以复现。让一台机械臂在真实环境中试错成千上万次,意味着设备、人力、场地和时间成本都要持续投入。更麻烦的是,真实环境很难完全复现,光照、物体位置、桌面状态等,只要其中一个条件变化,测试结果就可能受到影响。 传统仿真器,例如 Isaac Sim、MuJoCo,提供了一种替代方案:在虚拟环境中验证算法,再迁移到真实世界。但这条路同样崎岖,手工构建仿真场景本身就是一项浩大的工程。3D建模、材质设定、物理参数调校等,每一个新环境都可能需要数天甚至数周的搭建。 有没有一种方法,能像生成图片和视频一样“生成”一个仿真环境?更进一步——能不能像真正的仿真器那样,做到逐帧交互、逐帧闭环? Uranus:一帧一反馈的世界模型 地瓜机器人算法团队提出了 Uranus,一个基于视频扩散模型、工作在帧级闭环模式下的交互式世界模型。它将机器人仿真从“手工搭建”推进到“数据驱动”的全新范式。 给定几帧参考图像、机器人关节状态、相机参数和一句文本描述,模型就能自回归地生成多相机视角下连续、可控的未来视频流,用于模拟机器人与环境的交互过程。 Uranus 模型架构:模型在参考帧和历史帧约束下,根据输入的动作通过 flow matching 生成下一帧。 帧级闭环是 Uranus 的核心能力。 与传统的“输入一段动作、一次性输出整段视频”的开环生成不同,Uranus 的工作方式更像一个真正的仿真器:按帧推进生成过程,并将每一帧结果反馈给下一步预测,使动作指令可以在过程中实时调整。 具体来说,这一过程分为三步: • 每一步只生成一帧:模型根据当前观测(参考图 + 历史帧)和动作指令,预测下一时刻的多相机画面 • 生成结果立刻反馈:新生成的帧