光輪智能借助NVIDIA Isaac Sim，通過 3D 生成與建模技術構建高度逼真的虛擬場景，將現實世界的復雜場景抽象并轉化為高質量的訓練數據源，從而更有效地滿足模型的多樣化訓練需求。

AI 正從以算法為中心向以數據為中心的時代演進。高質量且豐富的訓練數據，已成為推動創新的核心資源。特別是在具身智能應用中，數據的稀缺極大限制了模型能力的提升和潛在應用的拓展。傳統數據采集方式成本高昂、耗時漫長，例如谷歌的 RT1 和 RT2 項目共使用了 13 臺機器人，耗時 17 個月才完成數據收集，顯然難以支撐具身智能的發展需求。

因此，構建數據金字塔已成為突破數據瓶頸的關鍵。數據金字塔的根基由海量的非結構化網絡數據組成，頂端由采集成本高昂的少量真實數據構成，有利于智能體高效且直接地進行知識遷移。合成數據的加入填補了前兩者間的空缺，在采集成本、可泛化性與知識遷移方面擁有明顯優勢。真實數據、互聯網數據與合成數據相互補充，共同構建了具身智能體訓練的堅實基礎。合成數據的引入不僅有效降低了數據采集成本，還通過高度擬真的物理模擬，提供了強大的泛化能力，為智能體在多樣化場景中的應用打下基礎。

打造高質量、可交互、可擴展的

具身智能仿真資產庫與仿真訓練平臺

具身智能的關鍵目標之一是實現高度的通用性，使智能體能夠在復雜場景中靈活執行多種任務。這種泛化能力的實現要求智能體具備對空間的深度認知，包括實時理解與適應環境中物體的位置、關系及動態變化。相較于傳統的任務特定型智能體，具身智能體必須在陌生環境中迅速識別并推理出空間結構、時序事件及其相互關系，以有效適應任務。

NVIDIA Isaac Sim 為光輪智能生產合成數據提供了強大支持。Isaac Sim 通過物理驅動的虛擬環境，支持智能體算法的設計、模擬與測試。借助NVIDIA PhysX 5高級 GPU 物理模擬技術，平臺實現了實時光線和路徑追蹤的逼真效果，并通過 MDL 材料定義支持物理渲染，使開發者能夠基于通用場景描述（OpenUSD）構建自定義模擬器，提供真實的物理反饋和高度還原的交互體驗。同時，平臺還支持多種開放標準和格式，如 USD、FBX、OBJ 等，便于用戶導入和導出不同的 3D 模型和場景。

光輪智能基于 Isaac Sim 構建的合成數據解決方案，能夠高效提升具身智能公司的模型能力。光輪智能已積累了豐富的 OpenUSD 格式場景資產，支持任務級、物體級、場景級的物理可交互資產、數據的可控生成與泛化，并基于驗證平臺進行合成數據真實性和效用性的評測。

案例 1. 交互過程的物理參數隨機化與動態真實性

使用高質量、可泛化的

合成數據助力模型性能提升

基于“Real2Sim2Real+Realism Validation”的核心技術棧，光輪智能推出基于 3D 混合渲染，具有物理真實、高度交互的合成數據產線及以數據為中心的端到端智能體算法解決方案。光輪智能旨在利用合成數據放大人類示范效用，通過閉環仿真加速 Self-play RL，加速具身智能落地。

光輪智能的仿真框架使用基于 3DGS 技術重建的場景，并通過場景資產的混合渲染，顯著提升了訓練場景的泛化能力。同時，真實的物理引擎能提供準確的反饋，助力模型實現更高效的知識遷移。高質量的仿真框架支持光輪智能在模型訓練方面積極創新，通過在仿真器中直接訓練等方式，進一步提升模型性能。

案例 2. 場景和物體元素的隨機泛化

案例 3. 3D 混合渲染用于具身智能模型訓練與評測

光輪智能致力于為企業推動 AI 落地提供合成數據解決方案，重點從具身智能場景切入，結合生成式 AI 和仿真技術，提供多模態、高質量、可泛化、可擴展、全鏈路的數據，助力 AI 在真實世界部署，加速具身智能行業發展。