“物理AI”黄金时代来临
“物理AI”的黄金时代，也许正在到来。就在4月底，群核科技港股上市，两天暴涨近400%。这间家居科技赛道的头部公司，用15年时间积累了海量真实物理参数的3D模型数据，冲刺“杭州六小龙”第一股成功，正式拉开了“物理AI”的时代大幕。有意思的是，同样在杭州，另一家行业巨头也在做类似的事情。但与群核科技所主攻“3D刚体仿真”不同的是，它所瞄准的，是技术难度极高、数据却又极端稀缺的“3D柔性仿真”赛道。
凌迪科技发布SynReal系统
今年2月，凌迪科技发布自研物理仿真与合成数据系统SynReal。作为服装科技赛道巨头，凌迪科技在10年间积累了海量布料“3D柔性数据”，其SynReal系统能够降低具身智能仿真的训练成本，同时提升数据吞吐量。例如，银河通用的春晚叠衣机器人，背后就有凌迪科技的部分技术支撑。
“柔性仿真”难题待解
“柔性仿真”为什么这么难？为什么它被称为“具身智能圣杯”？一家服装科技赛道巨头，又为什么选择跨界机器人赛道，靠什么取得成功？故事，要从“机器人叠衣服难题”说起。当你以为具身智能机器人很“聪明”时，可以让它叠件衣服试试。这个能负重、能长跑、半马比赛成绩都能超过人类的尖端科技造物，面对一件普通T恤，却可能铺不平、抓不稳、叠不齐、手足无措。当然，也有不少玩家能“叠好”，其实现路径一般有两种：一种是把动作程序“写死”，衣服被放置在指定位置、事先铺平、放好，再由机器完成固定动作；另一种机器人更“聪明”，能够灵活抓取不同衣服，面对人类干扰也能继续任务——但其代价是，需要耗费半年以上的真人操作数据采集，作为机器人的“训练教材”；而一旦更换场景、灯光、桌面、衣服材质等，“教材”都无法复用。聪明的你一定能想到，能不能在电脑里构建一个符合真实世界物理规则的“虚拟世界”，用代码训练机器人呢？确实可以，很多巨头也都是这么做的，比如英伟达Issac、微软AirSim、被DeepMind收购的MuJoCo等等。和大模型等AI软件不同，由于这一路径和物理世界深度绑定，往往被称为“物理AI”。然而正如上文所言，当前的物理AI中，“刚性数据”占了绝对主流。打开数据库，充斥的是方块、机械臂、规整的物体。它们易于定义，便于计算。但你我都知道，现实世界中，从身上穿着的衣服，到超市里的水果；从随手揉捏的塑料袋，到我们自身的皮肤……至少三分之一的物体，是“柔性”的。一个刚性物体，运动轨迹相对确定。而一块柔软的布料，每根纤维都在自由飘动。当机器人抓起它，施加的微小力道，会引发连锁反应。褶皱如何产生？布料如何垂坠？每一个点的变化，都牵连着整体；一块普通布料，在3D仿真中被离散成数万个顶点。每个顶点都有多个自由度。这将带来天文数字般的爆炸计算量，难度飙升。而当两个柔性物体接触时，比如叠衣服，是布料与布料自身的折叠与接触，其物理交互的复杂性简直是“地狱难度”。这也是为什么“柔性3D仿真”被称为“具身智能圣杯”，其不仅数据量极少、而且计算难度很高，却又是具身智能落地所必须攻克的技术难题。毕竟试想下，假如养老机器人把人类当不会形变的“刚体”处理，将会带来多么可怕的后果。
服装界的“扫地僧”凌迪科技
“柔性3D仿真”的问题，困扰了产业许多年。当人们将聚光灯都打在机器人公司和AI实验室身上时，谁也没想到，真正的破局者，会来自一个看似“不相干”的领域——3D服装科技。一片虚拟的布料，如何垂坠？如何飘动？如何与另一块布料缠绕、弯曲、拉伸、折叠？这些在物理仿真领域被视为“地狱级”的难题，恰恰是凌迪科技的日常。这家成立于2015年的服装科技巨头，在十年间积累了海量、高质、极度稀缺的“3D柔性仿真数据”。作为服装科技领域的隐形冠军，其不仅常年位居杭州《准独角兽企业榜单》之列，更是凭借柔性3D仿真技术位列《杭州具身十八罗汉》之列。当然，光有数据积累是不够的。在过去这十年间，凌迪科技的研究团队，在柔性物体物理仿真的基础研究上，进行了惊人的长期投入，其在SIGGRAPH等全球图形学顶会上发表过多项研究成果，涵盖形变体物理仿真、复杂接触处理与高性能数值计算等核心技术问题。所以，当具身智能行业在为“叠一件衣服”的数据哼哧哼哧焦头烂额半年时，凌迪科技的“武器库”里，早已储备了十年弹药；当人们苦于柔性3D仿真计算的“地狱难度”时，凌迪科技的基础研究，正在为这个难题“寻找解法”。如今，这位“扫地僧”终于走向台前。而凌迪科技所推出的SynReal物理仿真与合成数据系统，正是其十年功力凝聚的“集大成之作”。它将试图捧起那座“圣杯”，让机器人真正触摸到“世界的柔软”。
3D仿真决定具身智能上限
SynReal主要由三部分组成：1、SynReal Sim——高保真仿真引擎；2、SynReal Arena——具身智能训练平台；3、SynReal Core——基于大规模合成交互数据的训练模型。听上去可能有点复杂，简单打个比方，SynReal Sim负责创造一个符合物理规则的“虚拟世界”，SynReal Arena为机器人提供“虚拟训练场地”，SynReal Core则负责让机器人学习和形成能力。三者组合在一起，便成为一间SynReal“机器人训练学校”，机器人可以在其中通过一分钟千百万次的“虚拟训练”，逐渐学会如何与物理世界打交道，从学校“毕业”后再来真实世界“打工”。跟SynReal这类物理仿真与合成数据系统的“虚拟学校”相对，另一种具身智能的训练思路是通过人工采集数据训练，“人教版”机器人。相比起来，这种训练方式技术实现上更简单，而且由于“人教版”数据来自真实物理世界，能够包含一定的细节和噪声，能够适用于机器人适应现实环境。但“人教版”的劣势也极其显著——贵，太贵了，费时费力，且难以泛化。要知道，“人教版”的采集时间常常以“月”“年”为单位，单个任务高质量演示数据的收集往往需要耗费专业团队数月时间，成本从几十到几百万元不等。而仿真平台可以在几小时内生成数百万条涵盖丰富变化的数据轨迹，而这种成本控制与数据规模对“人教版”而言几乎是不可能完成的任务。而相较于其他物理AI仿真平台，“真、快、稳”是SynReal的三个独到优势。首先是“真”，在海量刚性、柔性3D仿真数据的储备“加持”下，SynReal不仅能够为机器人提供更真实、更复杂、更接近现实世界的训练环境，还能够实现更准确、更正确的静动力学计算，其误差较之行业标杆Issac Sim还要少上近20%。其次是“快”，这也是“机器人虚拟学校”最重要指标之一，仿真速度决定了数据生成是否具备规模化可行性。凌迪的技术团队围绕GPU并行计算架构，重构了“柔性3D仿真”的整体流程，使其能够大幅提升仿真的吞吐能力，仿真速度较之Issac Sim快5 - 10倍，显著提升了机器人训练效率。最后是“稳”，正如上文所言，单一柔性物体的3D仿真已经很难了，而两个或以上柔性物体接触时的物理交互难度直接“爆炸”——在3D游戏里，头发、衣服等柔性物体也最容易“穿模”。为了解决这一问题，凌迪技术团队在仿真中引入了基于IPC（Incremental Potential Contact，SIGGRAPH 2020上的最新创新思路）路径计算方法，使得SynReal在多点、多层、自接触频繁变化的情况下，也能保持仿真的稳定性，让使机器人在复杂场景中获得更稳定、更可靠的学习结果。只有更逼真、更高效、更稳定的“虚拟学校”，才能训练出更聪明、更灵巧、更能适应复杂现实的具身智能机器人。在人工成本日益昂贵，而机器人训练需求又爆炸疯长的当下，运用海量、低成本、高质量的仿真数据来训练机器人，毫无疑问是大势所趋。而只有通过“虚拟学校”的千锤百炼，机器人才能真正降低成本，从耗资巨大的“实验室珍品”和“舞台表演者”，变为可大规模部署的“社会劳动力”，走进家庭、走进千行百业，洗衣、做饭、养老、陪伴。
跨界者推动历史转折
历史的转折，常由“跨界者”推动。正如英伟达的“老本行”是游戏显卡、小米的老本行是“发烧友手机”，海量的技术突破与行业引领者，其实都是“跨界者”。“跨界者”携带着完全不同的产业基因，他们用新领域的深厚积累，“换道超车”地解决旧领域顽固痛点，没有陈旧的思维定式，只有解题的新工具、新视角。柔性3D仿真，这是当前具身智能产业的关键技术分水岭，而坐拥整座柔性3D模型宝库的凌迪，正是产业当下最需要的“跨界者”。凌迪科技在服装科技领域积累10年的柔性3D仿真技术，与为并行计算深度优化的工程能力相结合，构建出既极度逼真、又高效稳定的SynReal“虚拟训练场”，直击机器人训练产业“贵、慢、难泛化”的老痛点。不可否认的是，今天的机器人，离人们的生活还是太远了些。过去十年，是软件AI突飞猛进的十年。我们迎来了神经网络、迎来了深度学习、迎来了火遍全球的大语言模型。可正如网络上那个知名的段子所“吐槽”——“我希望AI可以帮我洗衣服洗碗，这样我可以有时间来搞艺术和写作。而不是AI代替我搞艺术和写作，我来洗衣服洗碗”也许在未来十年里，谁能够掌握“物理AI”，谁就能定义下一个智能时代。
