让写代码的智能体替机器人造考场

机器人训练数据贵，业内公认；仿真环境贵，提的人少。仿真省了真机，可造一套像样的仿真本身要专家团队磨几个月，几十年来能用的物理场景一直就那么窄窄一圈。

一、发生了什么

10 月 29 日，一篇两位作者的论文提交到 arXiv，核心主张一句话：造仿真这件事，本质是写代码，所以编程智能体每涨一分，仿真的产量和质量就跟着涨。作者搭了一套流水线，让代码智能体批量生成机器人仿真场景。选什么场景不是拍脑袋：他们参考美国 GDP 的行业构成来挑，保证覆盖经济价值高的体力劳动。每套场景和任务都要过一道对抗式的「生成—审查」环节，对照事先定好的好坏标准逐项验收。跑完流水线，得到一套包含二十五种仿真的新考场，配套二十五个测试强化学习环境和一百七十五个训练环境，难度分档。成绩单有点难看：最强的前沿模型在这个考场的测试任务上全部不及格，平均奖励只有 0.06。作者接着在这套考场里试了几条涨分路线：让模型反复尝试积累上下文经验；安排一个能读到仿真器内部状态的「特权教师」在上下文里带学生；让模型从自己带特权的经验里自我辅助学习；以及用代码策略在多样场景里批量产演示数据，拿去训练视觉语言动作模型。论文写明，这些办法都带来了可观提升，流水线、环境和基准全部公开。

这里有一条隐含的飞轮逻辑值得单独说：仿真由代码智能体生成，那么编程模型每次迭代升级，考场的数量和保真度就自动跟着涨——训练和被训练的对象在同一个循环里互相抬。这也是标题里「用数字智能体扩规模」的本意，扩的不只是仿真数量，还有仿真随模型进步的速度。

二、跟你有什么关系

做机器人的：考场规模不再卡在人力上，可以按需定制自家任务的仿真再迁移真机。做推理部署的：0.06 这个平均奖励说明办公室演示视频和可交付能力之间的鸿沟还很大，报价前先看成绩。写论文的：对抗式生成审查的流水线设计，可以套用到其他数据合成工作里。

三、怎么判断

1. 看到机器人演示视频，先问训练环境覆盖多少种物理现象，单一场景刷出来的分不算数。
2. 自建仿真数据管线，把「造环境」交给代码智能体，把「验环境」留给审查环节，两者分开。
3. 评估 VLA 模型时，补一组从未见过的仿真任务，能快速暴露过拟合。
4. 挑训练环境别只看数量，先确认有没有逐套验收记录，有对抗审查环节的管线产出的环境才值得进训练集。

四、三个别信的说法

仿真环境越多模型越强。 论文的审查环节恰恰说明，没有质量标准的环境批量生成只会制造垃圾训练场。

前沿模型能力可以平移到机器人。 最强模型在这套考场上平均奖励 0.06，通用智能和具身操作之间隔着大量专门训练。

真机数据不可替代所以仿真没用。 这是背景判断，不是论文结论：仿真解决的是规模和成本，与真机数据是互补不是互斥。

五、一句话结论

机器人缺的不是练的劲，是考场。

信息来源

• arXiv：用数字智能体规模化生成机器人物理仿真，2026 年 10 月 29 日提交

论文细节以原文为准，功能与价格以官方公告为准。本文写于 2026 年 10 月 31 日。