Google推出World Gym视频世界模型，仅用两张A100 GPU即可实现高效云端机器人训练，破解具身智能因硬件成本过高导致的迭代瓶颈；通过视频驱动的仿真-恢复闭环，提升机器人自主纠错与跨域迁移能力，标志着从‘听话式AI’向‘懂事型智能’的范式跃迁。
在RSS 2026大会现场，Google研究团队首次公开其突破性框架World Gym——一种基于视频的世界建模技术，仅需两张A100 GPU即可在云端完成高保真机器人行为仿真与自主恢复训练。该方案直击行业痛点：实体机器人硬件成本高昂、试错代价巨大，严重制约具身智能的规模化演进。通过将真实物理交互压缩为可高效学习的视频表征，系统使机器人能在虚拟环境中反复失败、实时修正，最终迁移至真实场景。项目负责人Sherry Yang指出，这不是替代真机，而是重构训练范式；DeepMind科学家Verena Rieser在同期ICML 2026演讲中呼应此思路，强调当前AI正处于‘青春期’，关键不在指令服从，而在赋予其情境理解与自主决策的‘懂事力’。
来源：雷峰网