机器人策略有了“虚拟驾校”，开源世界模型平台开放体验

  近日，地瓜机器人开源世界模型仿真平台Uranus，让策略在虚拟环境中连续运行、测试和比较，闭环评测相关性达0.98，并面向全球开放100个早期体验名额。

  训练机器人，好比教新手开车，受真机设备、时间和安全条件限制。真车上路成本高、风险大，传统仿真又像手工搭建一座三维驾校，场景、物理规则都要从头建。世界模型提供另一种思路：让模型从真实交互数据中学习“做一个动作，画面会怎么变”，从而在虚拟环境中反复推演。

  地瓜机器人此次开源的Uranus平台，核心创新在于“跨本体”和“长时程”。单臂、双臂、移动操作等7种主流机器人，关节结构和相机布局各不相同，Uranus将它们转换为统一动作与空间表示，接入同一套模型。多台相机拍摄的画面也能同步生成，策略在虚拟环境中持续接收动作、生成观测，形成闭环。

  连续推演最怕误差累积。Uranus平台采用因果架构和参考帧锚定，控制历史缓存开销，并通过四步去噪压缩生成成本。训练片段仅3秒，平台可支持60秒稳定闭环推演，相当于让策略在“虚拟驾校”里连续练完一整套科目，而不是只做一次静态演示。

  评测是否可信，是这类平台的关键。团队在RoboTwin的5个任务、9个策略上开展闭环实验，各策略在Uranus与真实仿真环境中的平均成功率相关系数达0.98，策略排序指标MMRV为0.01。通俗地说，虚拟考场里的成绩排名，与原有仿真环境高度一致，为策略筛选提供了参考。在WorldOlympiad评测中，Uranus综合得分0.722、交互得分0.730，均为所比较模型中的最高值，团队也注明该结果受各模型应用目标差异影响，仅作参考性评估。

长时程生成对比与闭环策略评测结果

  目前，Uranus技术报告、推理代码、SDK及两个版本模型权重均已开源。基于此，机器人开发者不必每次从零搭建仿真场景，可先在虚拟环境中比较策略优劣，再决定是否投入真机验证。