具身东说念主工智能领域，正向着以视觉为中心的感知范式，发生全面而长远的转型。
当作机器东说念主感知天下时信息密度最高、与当然东说念主机交互最契合的模态，视觉是解锁通用机器东说念主智能、已矣仿真到真实无缝移动的中枢密钥。
但当参谋者们试图沿着这条旅途上前探索时，却持久需要在“看得真”和“训得快”之间作念清贫继承：
高保真视觉渲染带来了弘大诡计与内存支拨；东说念主工建模老是耗时耗力低效轮回；现存平台的兼容性颓势延续限制着转变范围，严重不停了具身智能参谋的念念象力。
为了攻克这些制约具身智能领域发展的中枢难题，清华大学智能产业参谋院（AIR）DISCOVER Lab合伙谋先飞工夫、原力灵机、求之科技和地瓜机器东说念主，建议了GS-Playground通用多模态仿真框架。
【此处无法插入视频，缺憾……可到量子位公众号检讨～】
当作一套专为视觉中心的机器东说念主学习打造的新一代仿真基础步调，GS-Playground初次已矣了高隐晦量并行物理仿真与高保真视觉渲染的深度和会，在保证物理仿真所需的高精度与强踏实性的同期，提供了大鸿沟视觉驱动计策历练与仿真到实践移动所需的渲染服从与环境救援。
该服从已被机器东说念主领域海外顶级学术会议RSS 2026（Robotics: Science and Systems）委用。
△Figure 1. GS-Playground Overview通用全场景原生兼容：打造颐养的具身智能仿真历练底座
GS-Playground假想之初，便定位于通用型全场景具身智能仿真平台，平台中枢搭载了团队自研的跨平台并行物理引擎，原生赈济CPU/GPU双后端与Windows/Linux/macOS全系统运转，可无缝适配全品类机器东说念主形态，包括市面上常见的四足机器东说念主、 全尺寸东说念主形机器东说念主、多目田度工业机械臂，沿途已矣开箱即用的原生适配，无需荒谬的二次配置责任。
在此基础上，平台全面秘密机器东说念主通顺规定、自主导航、高战争精度操作三大中枢任务场景。
在接口假想上，平台API全面兼容行业通用的MuJoCo MJCF姿色，可已矣现存仿真名意见零摩擦快速移动，最猛进度缩短参谋者的适配资本。
自研高性能并行物理引擎：为战争密集型机器东说念主学习提供踏实底层能源学关于视觉中心的机器东说念主学习而言，“看得真”仅仅第一步，信得过决定计策能否移动到真实天下的，是仿真系统能否在复杂战争、摩擦、碰撞与多刚体耦合中，持续给出踏实、真实的物理响应。
针对这一中枢瓶颈，GS-Playground从底层自研了一套高性能并行物理引擎，继承广义坐标下的速率-冲量能源学公式，将战争与摩擦颐养建模为羼杂互补问题（MCP），并通过投影高斯-赛德尔（PGS）求解器已矣踏实求解。
比拟依赖软战争正则化的传统形状，这一假想更强调静摩擦保持、高刚度照看与大期间步踏实性，尤其适合足式通顺、机械臂持取和密集多体战争等高动态任务。
为了救援大鸿沟并行历练，团队进一步引入照看岛并行化与战争流形热启动机制：
前者将互相孤苦的刚体交互系统拆分为多个照看岛并行求解，后者诈欺上一帧已不停的战争冲量当作现时帧初值，将踏实堆叠场景中的PGS迭代次数从50次以上缩短到10次以内，大幅训导复杂战争场景下的不停服从。
实验收尾充分考证了这一自研物理引擎的踏实性与隐晦上风。
在Franka Panda动态持取摇晃测试中，GS-Playground CPU后端在0.002s与0.01s两种期间步下，均已矣90/90的完整保持得手率，权贵优于MuJoCo、IsaacSim与Genesis等主流有策划；
在27目田度东说念主形机器东说念主复杂多体交互基准中，当单环境彭胀到50个机器东说念主时，GS-Playground CPU后端仍能保持1015 FPS的踏实隐晦，比拟MuJoCo已矣32倍加快，比拟MjWarp已矣约600倍训导。
【此处无法插入视频，缺憾……可到量子位公众号检讨～】
自研内存高效Batch 3DGS渲染工夫：袭击保真与服从的行业不成能三角数千个高保真3DGS场景同期渲染带来的内存与算力挑战，一直是制约视觉驱动机器东说念主大鸿沟历练的中枢卡点。
针对刚体仿真环境，团队最初假想了专属优化的高效剪枝计策。
该计策可将高斯点数目减少90%以上，同期峰值信噪比（PSNR）下落幅度不及0.05，视觉各异险些无法被视觉通顺计策感知。
这一工夫在大幅缩短显存占用的同期，险些无损地保留了场景的视觉质料，为大鸿沟高保真并行仿真奠定了中枢基础。
在此基础上，团队研发了面向批处理深度优化的批量3DGS渲染器，已矣了多场景大鸿沟高斯渲染的并行处理。
在单张NVIDIA RTX 4090 GPU上，渲染器在640×480分辨率下可已矣最高10000 FPS的突破性隐晦量，最多可同期渲染2048个场景，不仅权贵训导了单元算力的渲染服从，更能完整适配多数次强化学习的历练责任流，让大鸿沟并行历练不再受限于渲染性能。
△Figure 2. Rendering throughput comparison between GS-Playground and Isaac Sim’s ray-tracing renderer across varying resolutions
此外，团队还建议了刚性连杆高斯通顺学（RLGK）机制，将3D高斯簇与物理引擎中的对应刚体进行精确绑定，确保视觉表征与物理对象的位姿能偶及时同步更新，已矣了零荒谬支拨的状况同步。
即就是在机器东说念主快速通顺、粗鄙战争交互的动态场景中，渲染器还是冒失已矣无伪影的动态画面输出，从根源上治理了动态场景中的渲染期间一致性与视觉伪影问题，保险了历练数据的踏实性与可靠性。
【此处无法插入视频，缺憾……可到量子位公众号检讨～】
自动化“Sim-Ready”Real2Sim责任流：缩短 Real2Sim门槛传统仿真场景的构建，持久是机器东说念主研发经由中服从最低、资本最高的智力之一。
不管东说念主工建模何等密致，却持久无法统共复刻真实环境的视觉细节与物理特色，感知与物理的双重鸿沟成为了制约sim-to-real跨域移动的中枢卡点。
针对这一瞥业痛点，GS-Playground假想了一套全自动化的“图像到物理”Real2Sim责任流，仅需输入单张RGB图像，即可在数分钟内完成仿真就绪（Sim-Ready）数字金钱的全经由创建，已矣了真实场景到数字孪生的快速盘曲，同期保证视觉真实感与物理一致性。
△Figure 3. GS-Playground System Architecture左：自动化图像到物理仿真管线，通过策辩别割、布景补绘、三维高斯溅射 / 网格重建，从RGB输入构建可平直用于仿真的资源。中：物理与渲染仿真中枢，包含CPU/GPU物理后端、集成传感器与激光雷达仿真，以及经过剪枝优化与刚性连杆通顺学适配的批量三维高斯溅射渲染。右：下流应用，包括操作任务、导航任务以及大鸿沟并行强化学习。
基于这套锻练的自动化责任流，团队还构建了Bridge-GS数据集，在Bridge-v2数据集的基础上，补充了场景与物体级的3DGS表征、物体级网格模子、6D位姿数据与校准后的相机参数，为行业提供了法度化的高质料仿真数据集。
同期团队在InteriorGS数据集上完成了完整的泛化性考证，充理解说了该管线对不同室内场景的强适配才能与泛化性能。
【此处无法插入视频，缺憾……可到量子位公众号检讨～】
全链路端到端考证：已矣零微调的无缝仿真到真实移动基于三大中枢工夫的深度协同，GS-Playground完整构建了从真实场景重建、大鸿沟并行历练，到真机部署的全链路端到端闭环，信得过已矣了“重建即历练、历练即部署”的研发经由纠正。
在计策历练与真机移动的中枢才能上，平台可踏实赈济数千个并行环境同期运转，为四足机器东说念主、东说念主形机器东说念主、工业机械臂等全品类机器东说念主，提供大鸿沟视觉强化学习历练救援。
仅在GS-Playground仿真环境中完成历练的视觉驱动计策，无需任何荒谬的微调与适配，就能平直部署到真实机器东说念主上踏实运转：
四足和东说念主形机器东说念主的通顺计策均可zero-shot部署到真机；视觉导航任求已矣了零样本的真机平直部署；机械臂持取任务在零微调的前提下，真实场景得手率达到90%。△Figure 4.Real-world deployment of policies trained in GS-Playground
这一系列实验收尾，充理解说了平台已矣了信得过无壁垒的仿真到真实移动，也考证了其在买通具身智能感知与物理跨域鸿沟上的中枢价值。
开源赋能：与环球社区共同股东具身智能转变GS-Playground当作行业内首个已矣高隐晦量并行物理仿真与高保真批量3DGS渲染深度和会的全栈仿真框架，从根源上突破了持久制约视觉驱动机器东说念主学习的算力、显存与金钱生成三大中枢瓶颈。
其自动化Real2Sim责任流，大幅缩短了高保真仿真环境的构建资本；
全维度的实验考证也充理解说，平台在足式通顺、自主导航、机器东说念主操作等机器东说念主主流任务中，冒失同期弥合物理与感知层面的仿真到实践鸿沟，已矣信得过的零微调真机部署。
异日，GS-Playground还将持续迭代优化，延续拓展才能范围。
清华大学智能产业参谋院DISCOVER Lab持久勤苦于于股东具身智能领域的前沿参谋与工夫转变，咱们将谨防开源GS-Playground的全栈框架，提供一套高性能、易使用、高泛化性的中枢基础步调，助力大鸿沟端到端详觉驱动机器东说念主计策学习的进一步发展与产业落地。
名目主页：
https://gsplayground.github.io论文纠合：https://arxiv.org/abs/2604.25459仓库纠合：https://github.com/discoverse-dev/gs_playground