优必选发布Thinker-Sim：可将真实工厂三维重建为训练环境

优必选在11月2日发布了Thinker-Sim。这是一个面向具身智能的仿真平台，做三件事：把真实场景数字化，批量合成仿真数据，给机器人做能力评测。官方把它定位成一站式体系，从采集、重建到仿真资产生成放在同一条链路上，覆盖工厂产线和商业服务两类场景。

头一步的场景重建由Thinker-GS负责，官方强调的卖点在高保真：对真实工厂产线做三维重建，还原厂区的空间布局、环境结构和视觉细节。后面一步交给SimReady，把重建出来的场景自动转成仿真里能直接跑的资产。两个组件都是优必选自研的。

场景重建完成后，机器人、生产设备、人员这些前景资产可以按任务需要单独加载。训练要一种组合，数据采集要另一种，算法评测又要换一套，同一套厂房能反复用。官方还提到能按图文描述成批生成三维资产，以及碰撞体自动配置、视觉材质生成、低模拓扑优化。

模型面数太高，仿真跑不动；没有碰撞体，机器人在虚拟环境里会穿模；材质不对，视觉算法训出来的模型搬到现场就失灵。场景重建得越细，这几项的手工量越大。自动配置这几项，省掉的是人工一个个调的工夫，也让同一场景能配上几十种任务变体。

平台里预置了一批仿真任务模板，训练、数据合成、评测三类常见场景都做过标准化处理。用户不用从零搭环境，选模板、填参数就能起任务。仿真跑起来之后，画面能实时推出来，任务状态有人盯，运行结果会回传，跑成什么样当场能看到。

具身智能这一年的瓶颈从模型转到了数据。真机采一条操作数据要人、要场地、要设备停机时间，规模上不去。仿真能把这笔成本压下来，代价是仿真和现实之间的差距——场景重建得再细，物理参数和真实世界的偏差还在。平台好不好用，最后要看用它在虚拟环境里训出来的策略，搬到产线上还能不能站得住。