9月2日消息，繼聚焦視頻數(shù)據(jù)的LimX VGM之后，逐際動力再次推出一套全新的具身智能訓練范式——LimX DreamActor。

據(jù)介紹，LimX DreamActor首次實現(xiàn)了Real2Sim2Real、模仿學習和真機強化學習的深度結(jié)合，全面解鎖仿真數(shù)據(jù)和真機數(shù)據(jù)在具身智能訓練中的優(yōu)勢。

在具身智能的發(fā)展進程中，數(shù)據(jù)始終是推動突破的關鍵，然而，行業(yè)長期受限于數(shù)據(jù)不足、采集成本高昂和跨場景遷移困難。此前，逐際動力LimX Dynamics提出了LimX Data Recipe（多元數(shù)據(jù)配方）策略，通過真機、仿真、視頻等多源數(shù)據(jù)的組合，打破對單一數(shù)據(jù)來源的依賴。

現(xiàn)在，全新的LimX DreamActor不僅在于流程優(yōu)化，更體現(xiàn)在多項能力的創(chuàng)新：

- 數(shù)據(jù)采集更簡單：只需手機等消費級設備拍攝視頻或照片，即可重建高擬真三維場景。

- 三維資產(chǎn)生成能力：支持大規(guī)模生成或調(diào)用外部3D數(shù)字資產(chǎn)，低成本擴展數(shù)據(jù)，實現(xiàn)數(shù)據(jù)多樣性。

- 物理一致性更強：不僅外觀逼真，還具備更佳的現(xiàn)實物理屬性，為訓練提供可信賴的基礎，提高模型泛化性和可信度。

- 對齊更高效：通過機械臂即可完成場景與物體的坐標對齊，避免傳統(tǒng)繁瑣的標定流程。

- 直接在仿真中訓練策略：能夠直接在仿真環(huán)境中進行策略訓練，無需先仿真，后采集數(shù)據(jù)。

- Real2Sim與真機RL二者優(yōu)勢互補：Real2Sim提供高保真場景、多樣化數(shù)據(jù)，加速了策略的初始化；真機RL則確保策略遷移落地的可靠性。二者結(jié)合，既大大縮短了訓練周期，也降低了真機探索的風險。（宜月）