新闻TechCrunch Robotics今天
Physicl获千万美元融资推Studio平台破解机器人仿真训练瓶颈
本文由 AI 根据公开内容整理，可能有误，请以原文为准：Physicl raises $10M to make the digital world real enough for robots（TechCrunch Robotics）
核心内容
具身智能仿真初创公司Physicl宣布获得Inovia Capital领投的1000万美元种子轮融资，致力于解决机器人Sim-to-Real鸿沟。CEO Alex de Vigan将原用于电商产品渲染的3D重建技术迁移至机器人领域，针对视频训练效果差与遥操作数据昂贵痛点，推出包含1万个3D环境和10万个物体资产的Studio平台，为世界模型设计者与本体厂商提供高保真物理仿真环境以优化后训练阶段。
Physicl核心技术能将非结构化现实信息转化为具备正确几何、材质与物理属性的3D表示，支持从海量图像或LiDAR数据自动生成数十亿级训练排列组合。世界模型厂商SpAItial已作为早期客户利用该平台提升Echo-3模型 fidelity，实现基于训练状态的按需自动数据生成。这种Agentic工作流改变了传统手工策展数据的长周期模式，使机器人能在杂乱桌面、阴影遮挡等复杂边缘案例中获得针对性强化训练。
关键看点
- 融资与产品：获Inovia Capital 1000万美元种子投资，发布Studio平台内置1万3D环境与10万资产，专攻机器人边缘案例后训练
- 技术迁移：复用电商3D渲染管线，将非结构化异构数据转为具备正确几何材质与物理属性的高保真3D表示，弥补纯AI空间理解缺陷
- 应用验证：世界模型厂商SpAItial采用Physicl数据训练Echo-3，实现根据模型训练状态按需自动生成合成数据的Agentic闭环工作流
- 数据规模：支持导入万亿级图像或百万小时LiDAR数据，自动生成数十亿种场景排列组合，替代昂贵的手工数据策展与遥操作采集
工程与产业观察
Physicl验证了电商级3D资产管线向具身智能仿真迁移的工程可行性。其核心价值在于将静态3D内容生产转化为动态物理数据生成引擎，通过Agentic工作流实现“训练-数据”自适应闭环。这为降低Sim-to-Real成本提供了新范式，提示行业关注跨领域图形学技术在机器人合成数据领域的复用潜力。
延伸选型与深度对比
基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。
宇树 G1
Franka FR3来源
本页事实对应的公开页面，以原文为准。