新闻Robotics & Automation News2 天前
Saturn Dynamics发布物理世界模型Arc,仿真提速38倍且轨迹精度提升73%
本文由 AI 根据公开内容整理,可能有误,请以原文为准:Saturn Dynamics develops physics-based world model to improve robot training(Robotics & Automation News)
核心内容
成立于2025年的伦敦Physical AI初创公司Saturn Dynamics正式发布世界模型Arc,旨在通过交互式仿真帮助机器人理解物理规律。截至2026年10月,该公司已获得Twin Path Ventures、Vento等机构430万美元融资。Arc专为机器人制造商与系统集成商设计,支持在虚拟环境中预演开抽屉、产线抓取及物体滑落等复杂操作,致力于缩小仿真训练与真实部署间的性能差距,降低对算力资源的依赖。
技术层面,Arc将数学对称性与物理原则嵌入模型架构,使其能理解物体被操纵时的行为逻辑而非仅识别外观。基准测试显示,Arc轨迹精度比Nvidia Cosmos高73%;在Nvidia Jetson Thor硬件上,生成1秒仿真数据仅需0.6秒,而Cosmos Nano和Cosmos Edge分别耗时23秒和9秒,推理速度提升15至38倍。这种高效物理仿真能力使开发者能在有限算力下评估更多长尾场景,显著提升自主机器人在非结构化环境中的可靠性。
关键看点
- 仿真推理效率:在Nvidia Jetson Thor上生成1秒仿真数据仅需0.6秒,较Cosmos Edge的9秒提速15倍,较Cosmos Nano的23秒提速超38倍,大幅降低训练算力门槛。
- 物理建模精度:基准测试中轨迹预测精度比Nvidia Cosmos模型高出73%,通过内嵌数学对称性与物理原则,使模型能准确推演物体滑落等非预期交互行为。
- 资本与商业化:截至2026年10月完成430万美元融资,投资方含Twin Path Ventures与Sequel等,目标客户锁定机器人本体厂商与系统集成商,聚焦提升自主机器可靠性。
- Sim-to-Real验证:支持在虚拟环境中预演产线抓取、抽屉开启等复杂操作并评估后果,旨在解决纯视频演示或传统物理仿真无法应对现实突发状况的工程痛点。
工程与产业观察
Arc在Jetson Thor上实现15倍以上仿真加速与73%精度提升,验证了将物理归纳偏置嵌入世界模型对端侧部署的有效性。相比纯数据驱动方案,该路径显著降低了具身智能长尾场景的训练算力成本,为机器人从实验室走向工业现场提供了更具确定性的Sim-to-Real基础设施参考。
外部来源
本页事实对应的公开页面,以原文为准。(点击将离开本站)