艾伦人工智能研究所（Ai2）宣布在机器人技术领域取得一项重要进展，成功证明完全在模拟环境中训练的机器人能够直接应用于现实世界执行任务，无需额外训练或物理演示。这一成果挑战了机器人学中传统假设，即虚拟训练系统必须经过现实数据微调才能可靠操作。

该研究团队展示了大规模多样化模拟训练环境可以生成能直接迁移到真实机器人的控制模型，这一概念被称为“零样本模拟到真实转移”。为实现这一目标，研究所发布了两个开源工具：MolmoSpaces，一个用于具身AI的大规模模拟生态系统；以及MolmoBot，一个完全基于合成数据训练的机器人操作模型。

开源工具MolmoSpaces平台包含超过23万个室内场景、13万个物体模型和4200万个标注抓取姿势，使研究人员能够模拟数百万种机器人与日常物体的潜在交互。系统采用基于物理的模拟引擎，真实模拟物体动力学和机器人交互，包括抽屉、橱柜等关节物体。

开源工具MolmoBot是在该环境中训练的机器人控制模型，通过学习拾取放置、开门等操作任务。测试中，MolmoBot成功将其模拟训练迁移到Franka FR3机器人臂和Rainbow Robotics RB-Y1移动操作器等真实系统，能在未见过的物体和环境上执行任务，无需现实世界微调。

训练管道在超过10万个环境和3万个独特物体上生成了180万条模拟轨迹，数据生成速度远超传统方法。由于模拟可在GPU上大规模并行运行，每计算小时能产生超过130小时的机器人经验，显著加快训练迭代速度。

这些发现表明机器人开发瓶颈可能从收集物理演示转向设计更丰富的模拟环境，符合机器人学和AI研究中“模拟优先”的开发趋势。如果得到更广泛验证，该技术有望降低开发成本和时间，加速通用机器人在家庭、工厂等现实环境中的应用进展。Ai2表示MolmoSpaces和MolmoBot都将作为开源工具发布，供研究社区进一步开发。