灵境数值一周年：守住物理的具身智能之路

这一年，是团队沉淀成长的一年，也是我个人在创业路上不断迭代、愈发笃定的一年。很多细碎的成长与思考，不想逐一赘述，索性整理成文，和所有关注、支持我们的朋友同步，聊聊这一年我们的坚守、迭代与新的探索。

一、回望初心：不变的底色，迭代的版图

【始终未变：技术核心与初心】

自去年成立之初，我们就锚定了物理引擎为核心的技术路线。团队核心成员深耕物理引擎、仿真算法领域多年，这是我们扎根行业的核心壁垒，也是我们从未动摇的底气。

一路走来，我们稳步落地技术规划：3个月完成引擎核心框架搭建，6个月实现全功能闭环，9个月完成产品面世，后续持续打磨优化、迭代升级，始终坚守技术深耕的初心。

【全新进化：从单一引擎到“引擎—数据—模型”】

这一年最大的突破，是我们看清了自身技术的更多可能性，从单一的引擎技术，迭代形成了「引擎+数据+模型」的完整技术体系。

目前我们提供全套落地解决方案：针对需要物理引擎在线训练的客户，交付专属引擎与完整强化学习方案；同时提供高质量离线仿真数据，支撑客户快速完成模型训练与智能开发。而关于我们世界模型方面的深度解读，后续我们会单独专题详解，此处先留一个悬念。

很多人会觉得我们的模式和普通数据服务商相似，但核心差距藏在两处，也是我们的核心竞争力：

1、自研可控的物理引擎：全程自主研发，遇到仿真精度偏差可随时修正，客户需要全新数据类型、引擎功能定制，可快速适配迭代，不受外部技术桎梏；

2、差异化的物理级数据：行业多数仿真数据聚焦视觉、光照、姿态等表层信息，而我们专注触觉信号、物理特权信息等底层物理维度数据。这类现实中难以采集的信息，看似“虚拟”，但只要做到极致物理还原，就能让AI真正读懂世界的底层规则，而非只学表层表象。

二、技术内核：物理正确，是一切的底线

【引擎：拒绝虚假仿真，死守物理真实】

我始终坚持一个原则：物理引擎的第一准则，是物理绝对正确。

行业现状是，多数通用物理引擎普遍存在漏洞：能量不守恒、动量不守恒等违背现实物理规则的问题比比皆是。而看似微小的物理偏差，都会造成严重的数据污染。

实测验证：使用存在能量无故耗散、异常放大的污染数据训练模型，想要达到正常训练的效果，需要耗费十倍以上的数据量与算力。连物理真实都无法保证，模型的因果认知、智能迭代更是无从谈起。

行业人人都在讨论 Sim2Real 鸿沟，但我想跳出固有认知：仿真与现实存在差距是常态，就像同一套机器人策略，迁移到不同设备、不同环境、不同使用场景都会产生偏差，现实本身就存在数据分布差异。

但数据分布的偏差可以包容，物理规则的违背绝不可接受。引擎一旦出现现实中不可能发生的物理现象，就是彻底的无效仿真，这才是 Sim2Real 真正的壁垒。其余所有差距，本质都只是数据分布的补全问题。

基于此，我们明确了引擎核心方向：聚焦高精度操作场景，坚守接触正确、能量正确的物理底线，做到精度优先、效率兼顾。目前我们已实现复杂、高接触场景的仿真数据采集能力，下一阶段将重点突破吞吐量，实现高效规模化产出。

【数据：用物理仿真补齐世界数据分布】

在我们的认知里，Sim2Real 的核心解法，从来不是单纯堆砌仿真数据与真机数据，而是用物理可信的仿真数据，补全真实世界的数据分布地图。

我们通过规则设计、算法、生成式、策略驱动的多元方式，结合域随机化等能力与对物理世界的底层认知，在短时间内批量生成海量、物理正确的仿真数据，高效补齐真实场景中难以覆盖的数据盲区。

现阶段，我们尤其关注三类数据：

第一类：Corner Cases，真实训练中难以充分覆盖的边缘场景。 通过改变物体属性、初始状态、接触条件等因素，生成更加多样的交互过程，补充真实采集中的覆盖盲区。

第二类：现实中难以直接测量的物理信息。 利用仿真获取接触状态、受力、变形、应力等信息，为模型训练、物理分析与算法研究提供更多维度的数据支持。

第三类：高成本或高风险场景。 将不便于在真实环境中大量重复的实验转移到仿真环境中，降低数据获取成本，支持相关策略的开发与验证。

我们不追求单纯以数据量定义价值。 相比数据有多少，我们更关心：真实世界中哪些重要数据难以获得，而仿真能否提供可信的补充。

换个角度看，真实世界本身就是一台“超级模拟器”，每个人的观测、每个场景的状态，共同构成了多元的世界数据分布。我们要做的，就是用仿真技术，低成本、物理正确的、补全这份分布。

基于这套逻辑，我们自研的灵巧操作数据集已正式开源，大家可前往 Hugging Face 免费获取。后续有定制化数据需求，也欢迎随时沟通交流！

【链接】https://huggingface.co/datasets/FlexPhysics

三、全新发布：首个轻量化世界模型 StateLeWM-0

周年之际，我们正式发布自研首个轻量化世界模型 StateLeWM-0。虽然是一个仅有0.3M的世界模型，却也严格遵守着物理正确，感兴趣的同学们可以看

灵境数值开源｜StateLeWM‑0：一套严守物理正确的0.3M世界模型

整套模型架构贴合机器人「数据-模型-动作」的闭环逻辑。关于行业热议的显式/隐式表达之争，我们始终认为：无需执念范式，适配场景、落地有效即为最优解。StateLeWM 采用混合显隐式架构，具体细节已开源至代码仓库，README 有详细解读，欢迎大家查阅交流。

【链接】 https://github.com/swaggyliu/FlatWorld

StateLeWM-0.1也即将发布，敬请期待。

四、对我而言，创业是一场沉浸式修行

这一年，我重读大量论文，更深度的思考各种技术细节；以技术落地为目标去思考很多技术路线的可行性；频繁对接各行各业从业者，看见更多商业模式与人生百态。眼界变得更开阔，心态变得更平静，也多了一份对行业、对从业者的理解。

见过浮躁的赛道、功利的选择、捷径的打法后，我依然坚定选择深耕物理仿真在具身智能方面这条慢而难的路，坚守我们认定的正确方向。

2026年的我们

五、周年感悟：方向不变，继续向前

有些事情始终在变化，但有些事情始终没有变。

我们始终坚信：

• 仿真与现实允许数据偏差，但物理规则永远不可违背；

• 绝大多数 Sim2Real 鸿沟，本质只是尚未补全的世界数据分布；

• 唯有物理可信的仿真数据，才能教会 AI 真正理解真实世界、建立因果认知。

• 引擎守好物理底线，数据筑牢智能根基，模型承接认知升级。