Rohan Paul

具身 / 物理 AI 团队应该能像软件团队跑测试套件那样测试一次新发布。 仿真必须足够可信，才能成为物理 AI 的发布门槛。 @antiochrobotics 刚完成 3200 万美元 A 轮，正是为了缩小这个差距。 公司在做仿真基础设施，让「场景」本身成为软件对象。 你可以在 Isaac Sim 或 Isaac Lab 本地写测试、定义参数分布，再把该场景铺开到云端 GPU。更重要的是，这些仿真可以直接接到 CI/CD。 在机器人领域，bug 可能取决于风、光照、几何、传感器噪声、人流或接触动力学的怪组合。把那种确切物理状态变成可重复测试要难得多。 但有了仿真，当机器人在部署中失败时，你可以在仿真中复现同样失败、围绕它改变条件，并在之后每次发布都保留这些测试。