问题——具身智能走向现实应用，长期受制于“仿真到现实”的能力断层；机器人研发普遍依赖仿真训练，以降低试错成本、提升安全性，但传统仿真场景多靠人工搭建：周期长、费用高，且容易过度理想化，难以覆盖真实环境中的光照变化、材质反射、空间遮挡和细节噪声。结果是机器人仿真中“学得会”，到了真实场景却“用不好”，成为规模化落地的关键瓶颈。 原因——真实世界的复杂性叠加数据获取门槛，导致高质量训练环境供给不足。一上，真实场景动态变化、多样性强，高保真建模难度大；另一方面，传统三维重建在纹理重复、高反射、暗光等条件下精度受限，难以形成可直接用于算法训练和评测的统一数据底座。供给不足与成本高企，使企业在研发阶段难以快速复现部署现场，影响模型迭代效率与可靠性验证。 影响——训练环境“失真”拖慢技术从实验室走向产业现场。对开发者而言，若无法构建与部署地高度一致的训练空间，路径规划、动作控制与环境理解等能力的泛化会受限；对产业链而言，验证周期被拉长、试验成本上升，应用推广速度放缓。尤其在人形机器人等复杂系统中，硬件、控制与感知耦合更强，训练环境的逼真程度直接关系到安全性与可用性。 对策——将真实空间快速转化为可交互的数字孪生，缩小训练与部署差距。大会期间，英伟达主展台展示的人形机器人Blue在数字孪生办公空间中开展环境理解、路径规划与动作训练，其所需的高保真数字训练环境由深圳市其域创新科技有限公司提供。其Real2Sim方案通过自研空间感知设备完成现场数据采集，再借助自动化三维重建生成高保真三维模型，并可导入仿真平台作为“数字训练场”，支持低成本、可规模化的闭环训练。核心在于将真实世界按尺度、细节和可计算性复刻到仿真世界，减少训练分布与部署分布的不一致，从源头降低迁移风险。 其域创新有关负责人介绍，公司自2020年成立以来持续投入三维智能空间计算，形成覆盖数据采集、算法到平台工具的自研体系。在算法层面，其超逼真三维内容生成技术面向超大场景建模，重点提升复杂光照与材质条件下的重建质量；在硬件层面，企业推出面向场景扫描的设备产品，降低门槛，实现大范围空间的自动化建模。业内认为，这类“软硬协同”的工程能力，有助于数字孪生从展示用途延伸到研发训练与验证环节，提升标准化与复用性。 前景——产业生态与标准协同将加速技术扩散，推动应用从示范走向规模。其域创新的Real2Sim方案已被纳入相关仿真平台生态文档，开发者可按标准流程调用与集成；同时企业参与开放标准组织，推动3D高斯等关键技术的标准建设。随着标准统一、接口完善、工具链成熟，高保真数字孪生有望成为机器人研发的“基础设施”，并继续向智慧城市、工业运维、公共安全等场景延展。深圳南山集聚的研发机构、产业链配套与应用场景，也将为此类技术提供持续迭代的测试与验证环境。
从填补技术空白到参与国际标准制定，其域创新的实践展现了中国企业在前沿科技领域的创新能力。这个案例不仅为具身智能产业化提供了可行路径，也表明自主创新是突破关键技术瓶颈的重要抓手。未来，随着更多中国方案落地，全球科技产业链或将迎来新的变化。