Koniec z kosztownymi testami robotów? World Labs przedstawia silnik R2S2R

W sektorze robotyki od lat pokutuje ten sam problem: podczas gdy modele językowe trenują na niemal nieskończonych zasobach internetu, roboty muszą uczyć się metodą prób i błędów w świecie fizycznym. To proces powolny, kosztowny i obarczony ryzykiem uszkodzenia sprzętu. Startup World Labs, kierowany przez ikonę AI Fei-Fei Li, zaprezentował rozwiązanie, które ma szansę przełamać ten impas. Ich silnik R2S2R (Real-to-Sim-to-Real) pozwala na przeniesienie nauki maszyn do wirtualnej rzeczywistości, zachowując przy tym precyzję niezbędną do pracy na prawdziwym sprzęcie.

Dlaczego to ważne teraz

Premiera R2S2R to moment, w którym bariera braku danych fizycznych przestaje wstrzymywać rozwój autonomicznych maszyn. Zespół Fei-Fei Li, wzmocniony w lipcu 2026 roku przez przejęcie startupu SceniX, udowodnił, że potrafi zrekonstruować nie tylko wygląd otoczenia, ale też jego fizykę. Pozwala to na skalowalne dopasowanie symulacji do realnego świata bez konieczności budowania setek fizycznych prototypów. Jak podkreśla sama Fei-Fei Li: „To naprawdę ważne w robotyce, ponieważ nie możemy mieć wystarczającej ilości danych ze świata rzeczywistego”.

Od wirtualnego cienia do realnego działania

Kluczem do sukcesu World Labs jest odejście od prostych generatorów wideo na rzecz zaawansowanych modeli świata. Zamiast tworzyć jedynie estetyczne wizualizacje, system rekonstruuje sceny fizyczne na podstawie pojedynczych demonstracji. Wykorzystując technologie SceniX, R2S2R generuje tysiące wariacji danej czynności – zmieniając oświetlenie, tarcie, pozycję obiektów czy kąty widzenia kamer. Dzięki temu robot nie uczy się sztywnej sekwencji ruchów, lecz zyskuje „wyobraźnię przestrzenną”, która pozwala mu reagować na nieprzewidziane trudności w świecie rzeczywistym.

Testy na platformie ALOHA

Skuteczność podejścia World Labs została zweryfikowana na platformie ALOHA – popularnym systemie dwuramiennym. Wyniki są obiecujące: modele trenowane wyłącznie w symulacji radziły sobie z precyzyjnymi zadaniami, takimi jak owijanie kabla wokół lodówki, pracując przez pełną godzinę bez żadnej interwencji człowieka. Co istotne, rankingi wydajności modeli w symulatorze niemal idealnie pokrywały się z ich zachowaniem na prawdziwym sprzęcie. Oznacza to, że inżynierowie mogą porzucić słabe wersje oprogramowania jeszcze przed ich wdrożeniem do fizycznej maszyny.

Rywalizacja o model świata

Choć World Labs dysponuje miliardowym budżetem, przed firmą stoją spore wyzwania. Branża wciąż debatuje nad definicją „modelu świata”, a konkurencja rozwija alternatywne metody, takie jak chiński system Orca, który uczy się wyłącznie poprzez obserwację wideo. Podejście R2S2R wyróżnia się jednak ścisłym oddzieleniem symulacji od kontroli. Silnik ten zachowuje nie tylko wygląd otoczenia, ale przede wszystkim to, jak świat reaguje na interakcję z robotem. To strategia, która sprawdziła się już w autonomicznych pojazdach, a teraz ma szansę stać się nowym standardem w robotyce ogólnego przeznaczenia.