模擬可以生成物理硬體難以輕易達到規模的機器人數據。 但這存在一個明顯的問題。 現實世界並非模擬器。 光照會變化。 物體會意外移動。 摩擦力有所不同。 人類會干預。 環境雜亂無章。 這正是我認為「模擬到現實」是 @axisrobotics 最重要的測試之一的原因。 生成數百萬條模擬軌跡展現了規模。 更難的問題是，基於此流程訓練的模型最終能否提升機器人在模擬環境之外的行為表現。 這正是物理 AI 變得毫不寬容之處。 一個模型在受控環境中可能看起來令人印象深刻，但當現實引入意想不到的因素時，仍可能失敗。 模擬或許能解決部分擴展問題。 而縮小模擬與現實之間的差距，則決定這種規模最終能帶來多大的價值。