Uranus：面向具身智能的下一代仿真基础设施

arXiv 上一篇论文提出 Uranus，一个以关节轨迹为条件、基于自回归扩散模型的数据驱动机器人模拟器。它支持流式开放式 rollout，在线接收未来关节位置轨迹并逐步自回归生成潜帧，每步对应四张 RGB 帧，无固定时域；经推理优化后达到 24 FPS；并提供统一接口，在不同机器人形态与相机配置下同步生成多视角。作者在分布内与分布外数据上做了定量与定性评估，说明了现有局限，并开源代码与模型权重。

传统模拟器依赖人工建模，成本高，真实交互又昂贵。Uranus 用数据驱动的生成式方案替代手工构建，且不设固定时域、可在线接收轨迹，把仿真从静态环境搭建转向可流式驱动的生成过程，并开源权重降低社区使用门槛。

它把机器人仿真重构为条件生成问题：以未来关节位置轨迹为条件，自回归扩散模型每步生成一个潜帧，对应四张 RGB 帧，从而无需预设片段长度即可持续 rollout。统一接口在多机器人形态与相机配置间共享生成能力，推理优化把生成速度压到 24 FPS，使在线闭环使用成为可能。

对机器人研发，数据生成、策略训练与评测可更多放在生成环境中，减少真实世界采样与手工建模投入。24 FPS 与流式 rollout 让仿真可接入在线迭代流程；统一多视角接口降低不同机型与相机配置的适配成本，开源权重便于团队直接复现和二次开发。

• 基于开源代码与权重，搭建面向自家机器人形态的数据生成与策略评测流水线，验证分布外表现。
• 围绕 24 FPS 流式接口，探索把 Uranus 接入在线强化学习或安全迭代闭环的可行性。
• 针对论文指出的当前局限，补充特定机型、相机配置或任务类型的微调与扩展。
• 在多视角同步生成能力上构建数据标注或合成数据质检工具，衡量生成数据对训练的实际增益。

• Uranus 在真实机器人任务上的策略迁移效果如何，尚无证据。
• 24 FPS 对应的硬件与推理优化配置未在证据中说明。
• 开源代码与模型权重具体覆盖哪些机器人形态和相机配置未知。
• 与常规模拟器的成本、精度对比数据未在证据中给出。