11月2日，优必选发布以Real2Sim2Real为核心的具身智能仿真平台Thinker-Sim，构建覆盖真实场景数字化、规模化仿真数据合成、机器人能力评测的一站式技术体系，针对真实数据采集成本高、仿真环境构建复杂、算法验证周期长三个环节。
平台依托自研Thinker-GS高保真场景重建算法与全流程SimReady资产自动化生成技术，实现从真实场景采集、三维重建到仿真资产生成的转换。
基于真实工厂产线环境的三维重建可还原厂区空间布局与视觉细节，机器人、生产设备、人员等前景资产可按训练、数据采集、算法评测等任务需求灵活加载。
数据合成环节的效率数字来自自研高性能渲染引擎与大规模并行仿真架构。官方口径为渲染效率提升67.3%，单节点8卡日均可合成390小时仿真数据，通信模块效率提升超过400%。按单节点日合成390小时折算，一个10节点的中小规模集群单日可产出约3900小时仿真数据。
评测环节则搭建面向感知、导航、操作等任务的统一体系，通过场景、光照、纹理、材质等多维度随机化复现真实环境的不确定性。
平台内置标准化仿真任务模板，覆盖机器人常用训练、数据合成与评测场景，用户通过模板选择与参数配置即可启动任务，无需从零搭建环境。可视化工作流支持零代码组合场景、机器人、任务、算法与评测模块，官方称适配90%以上的目标仿真场景。基于自研Ulab-Agent，用户可用自然语言完成场景创建、环境配置、任务编排与调度执行。
真机采集受场地、人力与工时节制，单条数据成本高，且难以覆盖长尾异常；仿真数据可低成本批量生产，但需解决物理保真与视觉域差。Thinker-Sim把重建、合成、评测放在一条链路上，实际是把仿真从验证工具变成数据工厂，其价值取决于重建保真度能否支撑模型迁移。
智元在10月28日升级Genie Sim仿真平台，公布横跨4款本体、22项任务的零样本评测中仿真与真机任务得分相关性96.7%，仿真代码已在GitHub更新，资产与配套数据集上架Hugging Face与魔搭ModelScope。
两家厂商都把仿真代码或资产向外开放，仿真层正从各家自用工具转为可对接的公共基础设施。仿真产能与真机数据价值之间还隔着转化率，390小时仿真数据能替代多少小时真机采集，官方未披露对应关系。
