139.6倍加速、100%安全約束：影眸科技提名具身頂會RSS最佳論文

在近日的具身智能頂會 RSS（Robotics: Science and Systems）2026 上，最高獎項 Outstanding Paper Award 提名名單里，出現(xiàn)了一個不太 “機(jī)器人” 的名字 —— 影眸科技，一家頭部 3D 生成大模型公司。

這家公司為外界熟知，大多是因為它在 3D 生成領(lǐng)域的硬核實(shí)力：基于團(tuán)隊發(fā)布的原生 3D 大模型框架 CLAY（提名 SIGGRAPH2024 最佳論文），影眸在 2024 年推出了全球首個原生 3D 大模型產(chǎn)品 Hyper3D，如今該產(chǎn)品已出現(xiàn)在今年英偉達(dá) CES Keynote 、OpenAI 首屆黑客松冠軍項目等多個全球技術(shù)標(biāo)桿場景的 3D 資產(chǎn)生成工作流里，其企業(yè)客戶規(guī)模位居行業(yè)第一。

但影眸科技的研究和布局，并不止于生成。在具身智能方向，Hyper3D 的 Sim-Ready 功能可以一鍵為 3D 資產(chǎn)賦予重力、摩擦力等真實(shí)物理屬性，無縫導(dǎo)出到 Isaac Sim 等仿真環(huán)境，已經(jīng)成為具身團(tuán)隊訓(xùn)練「空間智能」的核心資產(chǎn)來源之一。今年 7 月，影眸科技在具身應(yīng)用領(lǐng)域再進(jìn)一步，聯(lián)合地瓜機(jī)器人、謀先飛發(fā)布了 “具身智能可訓(xùn)練仿真閉環(huán)聯(lián)合解決方案”，其世界生成模型 Hyper3D WorldGen 基于自研原生 3D 大模型 Hyper3D Rodin 與 CAST 框架（SIGGRAPH2025 最佳論文）實(shí)現(xiàn)了僅憑單張照片還原可交互三維場景，場景內(nèi)的 3D 物品均為原生 Sim-Ready 資產(chǎn)，具備物理屬性，可直接用于仿真訓(xùn)練，打通從真實(shí)影像到具身可訓(xùn)練場景的端到端鏈路。

資產(chǎn) Sim-Ready 之后，一個更尖銳的問題隨之而來：如果仿真里訓(xùn)練出的策略，一到真實(shí)世界成功率就大幅下降、不具備部署價值，那仿真資產(chǎn)的價值又在哪里？

影眸團(tuán)隊用這篇研究成果給出了自己的答案。

影眸Hyper3D合伙人、物理 AI 事業(yè)部負(fù)責(zé)人 Joel Wang 作為共同一作、影眸科技作為署名單位參與完成的論文《cuNRTO: GPU-Accelerated Nonlinear Robust Trajectory Optimization》入圍了 RSS 2026 的最高獎項 Outstanding Paper Award 提名。

• 論文鏈接：https://www.roboticsproceedings.org/rss22/p102.pdf
• 項目主頁：cunrto.deemos.dev

此前十余年，RSS 的最高論文獎項長期由全球頂尖高校和實(shí)驗室占據(jù)，中國大陸機(jī)構(gòu)與企業(yè)團(tuán)隊進(jìn)入候選名單的案例屈指可數(shù)。今年共有 8 篇論文獲得提名，其中僅兩篇成果包含由國人團(tuán)隊創(chuàng)立的商業(yè)公司的核心參與，分別是影眸科技和銀河通用。

這篇論文回答的，正是上面那道「從仿真到現(xiàn)實(shí)」的必答題：在充滿誤差與擾動的真實(shí)物理世界里，如何讓具身更快地算出安全的動作。它把非線性魯棒軌跡優(yōu)化的核心計算搬上 GPU，在獨(dú)輪車、四旋翼和 Franka 機(jī)械臂任務(wù)中實(shí)現(xiàn)最高139.6 倍加速，同時保持100%的安全約束。

從生成 Sim-Ready 的 3D 資產(chǎn)，到讓仿真中訓(xùn)練出的智能走向 Real-World Ready，這是影眸研究版圖上關(guān)鍵而必然的一步。

仿真不必完美，策略要對不完美有所準(zhǔn)備

具身在仿真里學(xué)會的每一個動作，都建立在一個隱含假設(shè)上：世界會按模型訓(xùn)練時的環(huán)境那樣運(yùn)轉(zhuǎn)，但真實(shí)世界絕不是如此。真實(shí)機(jī)器人面對的不是一個和仿真完全一致的物理世界，摩擦、控制誤差和外部擾動始終存在。

行業(yè)的傳統(tǒng)直覺是不斷提高仿真精度，讓模擬器盡量接近現(xiàn)實(shí)。但這條路有一條殘酷的漸近線，現(xiàn)實(shí)中的摩擦、接觸、材料屬性、執(zhí)行誤差不可能被完整復(fù)刻，Sim-to-Real Gap 是仿真訓(xùn)練真正落地繞不開的問題。

cuNRTO 選擇了另一條路，解決 Sim-to-Real，不一定要等待一個完美的 Simulator，也可以讓策略對 Simulator 的不完美具備魯棒性。

「仿真的上限，不只取決于它能多真實(shí)，也取決于策略能否承受它不真實(shí)的部分。」Joel Wang 說。

這在技術(shù)上對應(yīng)控制領(lǐng)域一個經(jīng)典方向 — 魯棒軌跡優(yōu)化（Robust Trajectory Optimization）。思路可以用一句話概括：既然擾動無法被精確預(yù)測，那就把能夠被界定的模型誤差與外部擾動，顯式表示為一個有界的結(jié)構(gòu)化不確定性集合（uncertainty set），然后在規(guī)劃階段提出硬性要求。對集合內(nèi)的每一種可能擾動，軌跡都必須滿足全部安全約束：避障、關(guān)節(jié)限位、力矩上限，一個都不能違反。

換句話說，這是一種最壞情況保證（worst-case guarantee）。相比只能給出概率性保證的隨機(jī)方法，它對機(jī)械臂操作、飛行器避障這類安全攸關(guān)場景更為根本。而且求解的產(chǎn)物不只是一條名義軌跡，還有一組隨時間變化的反饋增益 — 機(jī)器人在執(zhí)行中一旦被擾動帶偏，可以依據(jù)實(shí)時估計的擾動即時糾偏。

聽起來很美好，但有一大難題：這類問題，此前根本算不動。

從 8 個小時到 218 秒：算不動的魯棒優(yōu)化，是怎么被搬上 GPU 的

為什么算不動？直覺層面，「對所有擾動都成立」意味著無窮多條約束 — 不確定性是連續(xù)取值的，無法逐一枚舉，問題在原始形式下不可解。

此前的 NRTO（Nonlinear Robust Trajectory Optimization）框架給出了一條可行路徑：外層對非線性動力學(xué)和約束做逐次線性化（successive linearization），內(nèi)層通過魯棒約束重構(gòu)，把無窮多條約束轉(zhuǎn)化為有限個二階錐規(guī)劃（SOCP）約束，再用交替方向乘子法（ADMM）求解。這套框架在理論上足夠優(yōu)雅，非線性動力學(xué)、非線性約束都能處理。

但工程上，它撞在了一堵墻上，SOCP 子問題依賴內(nèi)點(diǎn)法（Interior Point Method）求解。內(nèi)點(diǎn)法精度高，卻是一種以大規(guī)模矩陣分解為核心的串行算法，每次迭代都要重新分解一個隨問題規(guī)模膨脹的 KKT 系統(tǒng)。系統(tǒng)維度一高、約束一多，計算量爆炸式增長。

論文給出的基線數(shù)據(jù)非常直觀，一個帶五個障礙物的獨(dú)輪車（unicycle）任務(wù)，原始 NRTO 要算30423 秒— 超過 8 個小時；四旋翼任務(wù)也要 13374 秒。這樣的速度，魯棒優(yōu)化只能停留在論文里，談不上任何部署價值。

與此同時，從剛體動力學(xué)梯度并行化，到實(shí)時非線性 MPC，把優(yōu)化搬上 GPU 已是明確趨勢。麻煩在于，NRTO 的原始結(jié)構(gòu)，嵌套雙層循環(huán)加串行內(nèi)點(diǎn)法，天然不適合并行。

cuNRTO 的貢獻(xiàn)，就是通過兩次算法層面的架構(gòu)重構(gòu)，把這套串行算法改寫成 GPU 友好的形態(tài)。

第一步：NRTO-DR，用算子分裂替換內(nèi)點(diǎn)法。

NRTO-DR 架構(gòu)圖

直覺上，這一步做的事情是把一個龐大而串行的求解器，拆成大量小而獨(dú)立的基本計算操作。

具體而言，團(tuán)隊用經(jīng)典的 Douglas-Rachford 分裂方法重寫了內(nèi)層最昂貴的 SOCP 子問題，將其分解為兩類操作。其一是稀疏線性求解，由于內(nèi)層迭代中 KKT 系統(tǒng)的系數(shù)矩陣保持不變，只需做一次 Cholesky 分解，之后每次迭代復(fù)用三角求解，直接推翻了內(nèi)點(diǎn)法「每步重新分解」的成本結(jié)構(gòu)。其二是二階錐投影，把一個點(diǎn)投影到二階錐上只有三種幾何情形，且每條約束的投影彼此完全獨(dú)立，是典型的可大規(guī)模并行問題。

GPU 實(shí)現(xiàn)上，稀疏分解與三角求解交給 cuDSS，錐投影由定制 CUDA kernel 完成。每條約束映射到一個 warp，向量運(yùn)算通過 cuBLAS 全程留在設(shè)備端。

效果立竿見影：無障礙獨(dú)輪車任務(wù)從 30423 秒降到 1934 秒。

但團(tuán)隊在 profiling 時發(fā)現(xiàn)了新的瓶頸，43.5% 的運(yùn)行時間花在 CPU 與 GPU 之間的同步上，真正的錐投影計算只占 11%，GPU 平均利用率僅 34.9%。算法快了，數(shù)據(jù)卻在 GPU 與主機(jī)之間來回搬運(yùn)，把省下的時間又還了回去。

第二步：NRTO-FullADMM，整個內(nèi)循環(huán)搬進(jìn) GPU。

NRTO-FullADMM 架構(gòu)圖

這是論文真正的核心創(chuàng)新。它不再滿足于替換子求解器，而是重構(gòu)了內(nèi)層 ADMM 本身的分塊結(jié)構(gòu)，通過引入新的松弛變量，把二階錐投影直接「壓」進(jìn) ADMM 的第一個更新塊 — 原本需要嵌套一層 DR 求解器才能完成的事，變成了 ADMM 迭代中的一步原生投影，嵌套結(jié)構(gòu)被抹平了。

由此帶來關(guān)鍵的工程紅利是，整個內(nèi)循環(huán)可以完整跑在 GPU 上。每個外層線性化迭代只需向 GPU 上傳一次約束數(shù)據(jù)與常量算子，之后的仿射求值、并行錐投影、QP 更新、反饋增益、對偶更新與殘差檢查，全部在設(shè)備端完成，直到收斂才把結(jié)果傳回。

GPU 到主機(jī)通信瓶頸被徹底消除，GPU 平均利用率從 34.9% 提升至86.5%

速度提了兩個數(shù)量級，安全一分沒讓

使用 cuNRTO 規(guī)劃 Franka 機(jī)械臂軌跡

論文在獨(dú)輪車、四旋翼和 7 自由度 Franka 機(jī)械臂三類系統(tǒng)上做了系統(tǒng)評測，對時間步長、不確定性水平、障礙物數(shù)量三個維度分別做了實(shí)驗。幾組關(guān)鍵數(shù)字：

• 獨(dú)輪車五障礙任務(wù)：30423 秒 →218 秒，加速139.6 倍
• 四旋翼五障礙任務(wù)：13374 秒 → 200 秒，加速 66.9 倍；
• Franka 機(jī)械臂（14 維狀態(tài)、7 維力矩輸入，包含關(guān)節(jié)限位、速度限制、力矩邊界與避碰約束）：3949 秒 → 152 秒，加速 25.9 倍。

更重要的是，所有加速都沒有以安全為代價。通過 1000 次隨機(jī)擾動采樣，加上 1000 次專門探測不確定性集合邊界的極端用例，合計 2000 次 Monte Carlo rollout 驗證：在考慮線性化誤差的設(shè)定下，所有任務(wù)、所有擾動實(shí)現(xiàn)均保持100% 約束滿足。三種求解器的最優(yōu)目標(biāo)值差異不到 0.5%，但速度提升兩個數(shù)量級，解的質(zhì)量沒有退化。

這項工作的核心，是同時處理速度和魯棒性，而不是用安全換速度。

值得一提的是，論文還在 Robotarium 平臺上完成了真機(jī)驗證，擾動集合直接從開環(huán)執(zhí)行的殘差中估計，NRTO 輸出的反饋策略在線估計擾動、實(shí)時糾偏，最終穩(wěn)定駛?cè)肽繕?biāo)區(qū)域。而只執(zhí)行名義控制序列的對照組，出現(xiàn)了肉眼可見的漂移。

擾動不必被精確建模，只需被界定；世界不必完美，策略只需對不完美有所準(zhǔn)備。這套方法論在真實(shí)硬件上跑通了完整閉環(huán)。

據(jù)了解，團(tuán)隊正在與英偉達(dá)進(jìn)一步推進(jìn) GPU 側(cè)優(yōu)化，目標(biāo)是把相關(guān)計算繼續(xù)壓縮至毫秒級。一旦達(dá)成，魯棒優(yōu)化將不再只是離線規(guī)劃工具，而是具備在線控制能力的實(shí)時組件。

一家 3D 生成公司，憑什么入圍具身頂會最佳論文？

回到開頭的問題：一家 3D 生成公司，為什么要下場做機(jī)器人控制？

把影眸Hyper3D近幾年的研究工作擺在一起，答案會自己浮現(xiàn)：

• CLAY（SIGGRAPH2024 最佳論文提名）：原生 3D 生成基礎(chǔ)模型，解決三維物體如何生成；
• DressCode（SIGGRAPH2024 最佳論文提名）：自回歸 3D 生成架構(gòu)探索；
• BANG (SIGGRAPH2025 Top 10 技術(shù)論文速覽)：通過生成式方法理解物體內(nèi)部結(jié)構(gòu)、實(shí)現(xiàn) 3D 資產(chǎn)遞歸分件，解決物體結(jié)構(gòu)如何理解和拆解；
• CAST（SIGGRAPH 2025 最佳論文）：從單圖重建包含物體關(guān)系與物理約束的完整 3D 場景，解決完整場景及物理關(guān)系如何重建；
• cuNRTO（RSS 2026 最佳論文提名）：解決智能體如何在存在不確定性的環(huán)境中安全行動。

生成物體 → 理解結(jié)構(gòu) → 構(gòu)建場景 → 在物理場景中行動。這不是四篇孤立的論文，而是同一張研究版圖上環(huán)環(huán)相扣的四塊拼圖，也對應(yīng)著影眸正在打通的業(yè)務(wù)閉環(huán)，Hyper3D 的 Sim-Ready 功能為具身智能持續(xù)生產(chǎn)可仿真的 3D 資產(chǎn)，cuNRTO 則在探索讓基于這些資產(chǎn)訓(xùn)練出的智能真正走向 Real-World Ready。影眸的定位也變得清晰：它正在成為連接生成世界、仿真世界與真實(shí)世界的 3D 智能基礎(chǔ)設(shè)施。

支撐這張版圖的，是一個在創(chuàng)業(yè)公司里相當(dāng)罕見的全球頂級科研團(tuán)隊。影眸Hyper3D是業(yè)內(nèi)唯一連續(xù)多年獲得 SIGGRAPH 最佳論文及提名的商業(yè)公司，算法團(tuán)隊每 2 人中就有 1 人獲得或被提名過頂會最佳論文，約 70% 的科研成果實(shí)現(xiàn)了產(chǎn)品轉(zhuǎn)化。

這種研究密度今年還在加碼，SIGGRAPH 2026 上，影眸共有 6 篇論文被接收 — 對一家 60 人的創(chuàng)業(yè)公司而言，這是足以對標(biāo)全球頂級實(shí)驗室的產(chǎn)出。

團(tuán)隊在大會現(xiàn)場設(shè)了展位，演示 Hyper3D 的實(shí)時生成，人流幾乎沒斷過，其中相當(dāng)一部分是 Hyper3D 的老用戶，圍上來當(dāng)面提需求、給反饋。

同一個會場里，論文在講臺上被宣讀，產(chǎn)品在展臺前被用戶圍住，這無疑是「研究即產(chǎn)品」這條路線最具象的畫面。

在影眸Hyper3D，研究者擁有真正的問題定義權(quán)，可以探索不直接服務(wù)于短期產(chǎn)品版本的長期問題。研究與產(chǎn)品不是兩套割裂的體系，CLAY、BANG、CAST 最終都進(jìn)入了產(chǎn)品與產(chǎn)業(yè)場景，多位核心研究者本身就是公司合伙人和核心決策者。身兼創(chuàng)業(yè)者與一線研究者的 Joel Wang，正是其中之一。

「這次提名當(dāng)然是對論文的認(rèn)可，但對我們更重要的是，它再次證明影眸有能力支持非常前沿、甚至不直接服務(wù)于短期產(chǎn)品版本的研究。我們希望影眸最終成為一支真正理解三維世界、也能夠持續(xù)定義前沿問題的 Research Lab。」Joel Wang 說。

從 SIGGRAPH 到 RSS，從圖形學(xué)到機(jī)器人學(xué)，一個判斷正在變得清晰：影眸正在從一家 3D 生成模型公司，成長為一個覆蓋 3D 表示、生成、理解、場景構(gòu)建與智能體控制的研究團(tuán)隊，這些工作共同指向未來三維物理世界的建模、理解與交互。

當(dāng)具身智能的敘事聚焦于本體與大模型時，不容忽視的是，具身能否走進(jìn)充滿干擾、摩擦與誤差的現(xiàn)實(shí)世界。而在具身走向現(xiàn)實(shí)世界的關(guān)鍵一步上，像影眸這樣連接生成、仿真與現(xiàn)實(shí)世界的 3D 智能基礎(chǔ)設(shè)施將會是不可或缺的。