机器人抓取物体前，能不能先“想一想”：手臂应该怎么动？物体会怎样变化？如果预测得更准，机器人训练就有机会减少反复试错。这正是机器人世界模型要做的事——根据眼前画面和计划动作，预测接下来可能发生什么。
但训练这类模型，靠真机视频往往成本高、动作变化复杂。仿真环境可以快速搭建场景、重复执行动作，是更可控的数据来源。问题在于，仿真与真实环境很难完全一致：灯光、材质、背景有差别，仿真运动结果也可能有偏差。如何利用仿真中学到的运动规律，同时避免把外观差异和仿真误差带入真实世界预测，是机器人模型研究的一大难题。
然而，仿真场景再方便，也很难和真实环境完全一样：灯光、材质、背景有差别，仿真运动结果也可能有偏差。如何利用仿真中学到的运动规律，同时避免把外观差异和仿真误差带入真实世界预测，是机器人模型研究的一大难题。
针对这一难题，凡拓数创与北京大学深圳研究生院联合展开研究，提出了SimForcing框架，并发表论文 《SimForcing: Distilling Simulation Motion Priors into Real-Domain Robot World Models》。这也是凡拓数创围绕具身智能仿真训练与物理AI工具链持续投入的一项阶段性成果。
论文链接：https://arxiv.org/abs/2610.06598
代码链接：https://github.com/Wang-Xiaodong1899/SimForcing
SimForcing 用仿真辅助世界模型生成
仿真能快速搭建场景、重复执行动作，适合规模化训练。但如果只关注画面像不像，就容易忽略更关键的运动规律——机械臂往哪个方向移动？接触物体后，物体会怎样变化？
SimForcing的思路是：先在仿真数据中学习动作条件下的运动规律，再将运动先验迁移到真实域视频预测模型，并在预测阶段以可调节的仿真参考辅助生成。
与直接把仿真视频当作真实视频的替代品不同，SimForcing 把仿真当作两类资源来用：
● 运动知识来源：在仿真中学习动作与视觉变化之间的联系，把运动先验迁移到真实域模型。
● 可控预测参考：在真实视频预测时提供运动引导，同时允许模型降低对不可靠仿真结果的依赖。
重点不只是“使用仿真数据”，而是研究如何迁移运动知识，以及如何控制仿真预测对真实域生成的影响。对凡拓而言，这一思路也延续了其以仿真训练服务真实机器人任务的工程取向：不只生成数据，更让仿真能力进入模型训练与预测链路。
两个关键手段，让仿真经验更有效
（1）不只看画面像不像，更要看动作怎么变
SimForcing 的第一个关键设计是潜在运动蒸馏（Latent-Motion Distillation）。视频经过压缩后变成一系列潜在特征，SimForcing 不直接比较仿真和真实画面的特征，而是比较相邻时刻特征的变化量，也就是“运动”本身。这样，模型从仿真中学到的是动作带来的变化规律，而不是画面长什么样。
仿真和真实视频的外观差异很大，如果直接让模型模仿仿真画面，它很容易把纹理、光照、背景这些无关信息也学进去，却忽略了真正重要的动作变化。潜在运动蒸馏解决的就是这个难题：它不比较画面本身，而是比较相邻时刻的变化量，让模型专注于“动作让画面发生了什么变化”。这样，仿真中学到的运动知识可以更干净地迁移到真实场景，减少外观差异带来的干扰。
根据Bridge 数据集消融实验显示，它在 PSNR、SSIM、FVD 和 LPIPS 四项指标上都优于直接匹配画面特征，验证了这种做法的有效性。
（2）把仿真当参考，而不是标准答案
第二个关键设计是多层条件引导(Multi-block Simulation Conditioning)与条件丢弃(Condition Dropout)。
训练时，模型在多个视频 Transformer 模块中接入仿真潜变量作为运动参考，同时随机关闭该条件并加入扰动，让模型学会“有参考就利用，没有或不准就靠已内化的运动先验预测”。
推理阶段，团队采用仿真条件引导(Simulation-conditioning Classifier-Free Guidance，CFG)，组合“使用”和“不使用”仿真条件两条分支调节引导强度。仿真模型只在训练阶段使用，推理时真实域模型先生成仿真域潜变量，再引导真实域预测，无需额外调用仿真世界模型。团队还用分割出的机器人区域作为仿真域输入，降低外观干扰。
这一设计解决了仿真到真实迁移中“既想用仿真、又怕被仿真误差带偏”的核心难题，让仿真运动知识在真实域预测中更可控、更实用。同时，推理阶段不再依赖额外的仿真世界模型，部署成本更低。这为同类研究提供了一条可借鉴的路径。
SimForcing的优势在哪里？
（1）视频预测更准，速度更快
在 Bridge 数据集上，SimForcing 在未使用外部具身预训练的方法中，取得了最佳 PSNR、SSIM、LPIPS 和 FVD。简单说，就是预测画面更接近真实、更自然，视频也更连贯，视觉幻觉更少。它的推理速度约为 Cosmos-Predict2.5 的 5 倍，说明不仅质量好，效率也更高。研究团队还在 InternData-A1 上做了验证，说明方法不局限单一数据集。
（2）下游策略学习成功率更高
在 LIBERO 基准上，团队用 SimForcing 预训练世界模型初始化下游策略模型，相当于让机器人先跟一个懂运动规律的“老师”学一遍。对比 Wan2.2 初始化，三种训练设置平均成功率都更高。最难的“仅动作训练”中，视觉部分被冻结，只能练动作决策，成功率仍从 82.6% 提升到 89.2%，涨了 6.6 个百分点。
这说明从仿真里学到的运动知识，是真能用到真机机器人身上的。哪怕视觉部分不能调，模型也能靠已经内化的运动先验，把动作做得更准。换句话说，用 SimForcing 世界模型做初始化，就是给机器人策略一个更好的起点，让它在真实任务里上手更快、成功率更高。
从仿真到现实，
关键是让训练链路真正打通
具身智能走向规模化，绕不开真实数据贵、试错成本高、场景覆盖有限的问题。仿真能补短板，但如果只停留在“生成数据”，价值仍然有限。SimForcing 的意义在于，把仿真中学到的运动规律迁移进真实世界模型，让仿真从“数据来源”变成参与真实机器人未来状态预测的“运动先验引擎”。
在推进具身智能落地的过程中，凡拓数创也沉淀了一套物理AI工具链。针对训练中场景构建难、数据质量不一、训推效率低以及缺乏闭环验证等痛点，该工具链通过四大核心平台提供全链路支撑：FunSim物理AI仿真平台解决高保真、可交互三维环境的快速搭建与重复验证问题；数据标注处理平台解决模型训练的基础数据质量问题；模型训练推平台解决高效训推与工程化落地效率问题；模型评测平台则通过高保真仿真评测，验证物理闭环以确保训练效果。四大平台相互协同，打通了从场景构建、数据准备到模型训练与闭环验证的完整链路。
这些工程化能力的背后，是凡拓数创在具身智能领域的长期技术积累。凡拓与北京大学联合打造的“面向具身智能的多层级空间仿真及训练一体化技术”已获评“国际先进”，而SimForcing正是双方围绕仿真运动先验迁移展开的阶段性探索。此外，双方共建的“具身数采训练与仿真协同联合实验室”，正致力于搭建从仿真数据生成、运动知识迁移，到真实域模型训练与策略验证的完整链路，为整个行业打通一条从仿真走向现实、从研发走向应用的可行通路。
