机器人学会“看路”了？群核科技三项研究入选顶级AI会议，让AI更懂物理世界

这件事跟我们有什么关系？

你也许见过机器人走路还磕磕绊绊，或者网购时想看看家具摆在家里的效果却很难。这些问题的根源在于：AI还不擅长理解真实的物理世界。群核科技最近有三篇论文被计算机视觉顶级会议ECCV 2026录用，它们正好在帮AI补上这一课——让机器人学会在真实街道上认路、在虚拟世界里反复练习、再用一套标准来评判它做得好不好。简单说，这些研究未来能让机器人更聪明、更可靠地走进我们的家庭和城市。

三大成果，干的是同一件事：帮AI“肉身”进入现实

1. 给机器人一个“虚拟健身房”——SPEAR仿真平台

群核科技联合英伟达、Adobe、苹果等公司，推出了一套叫SPEAR的物理AI仿真平台。你可以把它想象成一个高仿真的“虚拟健身房”，机器人可以在里面安全地跑、跳、抓东西，不用担心撞坏东西或伤到人。这个平台有超过14000个现成的编程接口，还能输出深度图、材质属性等丰富数据，让机器人学会感知环境。更重要的是，它可以直接使用群核科技已有的三维室内场景数据，把真实房子瞬间变成机器人的训练场。

2. 让AI自己“出题”给自己练——Syn-GRPO数据自进化框架

机器人训练最大的难题是缺少足够多、足够多样的训练图片。好比学开车，只见过晴天大路，遇到雨天小巷就懵了。Syn-GRPO这个框架可以自动生成新的训练图片——比如把同一个物体放在不同背景里，背景换了但标注信息不变，难度还能越来越大。这样AI就能不断挑战自己，越练越强。

3. 全球首个真实街景AI认路评测——WalkerBench

光练不行，还得有考试。WalkerBench是一个面向“空间感知”的评测基准，它从全球161座城市的真实街景里提取数据，不给地图、不给GPS，AI只能靠摄像头拍到的画面来认路。结果发现，目前最强的AI模型完成任务的成功率只有24.5%，而且走得越远表现越差。研究团队还提出了一种叫Spatial-IDE的框架，给AI单独加了一个“全局空间记忆区”，专门解决AI记不住三维空间结构的问题。这套框架已经在一款叫宇树G1的人形机器人上成功测试，实现了在真实街道上自主走几公里。

背后在下一盘什么棋？

这些成果其实都指向同一个目标：为物理AI建造一套完整的数据基础设施。就像互联网需要服务器和光纤，物理AI需要三维空间数据、高保真仿真环境和评测标准。群核科技推出的SpatialVerse平台，就是要把物理世界数字化、可训练化，让机器人从“纸上谈兵”加速到真实落地。目前他们已经和字节跳动、智元机器人等公司，以及谷歌、英伟达等科技巨头展开合作。

简单来说，我们离看到机器人在家帮你收拾房间、在街上送货的那一天，又近了一步。