点击下方 卡片 ，关注" 具身智能 之心 "公众号 具身AI（如导航机器人）的训练高度依赖仿真环境，但现有方案始终面临 保真度与成本的矛盾 ： 这种矛盾直接导致 sim-to-real迁移难 ——仿真中表现优异的策略，在真实机器人上往往无法落地，成为具身AI实用化的核心瓶颈。 现有技术的未被挖掘潜力 作者丨 Xiaomeng Ye等 编辑丨具身智能之心 本文只做学术分享，如有侵权，联系删文 >> 点击进入→ 具身智能之心 技术交流群 更多干货，欢迎加入国内首个具身智能全栈学习社区 ： 具身智能之心知识星球 (戳我) ， 这里包含所有你想要的。 研究背景与核心问题 具身AI的sim-to-real困境 3D高斯Splatting（GS）技术近年在场景重建中展现突破：能从普通设备捕获的图像生成高保真3D表征，且渲染速度快（如DN-Splatter通过深度和法向量正则化 进一步提升网格质量）。但此前相关研究（如SplatNav、GaussNav）存在明显局限： 该研究是首个针对 室内图像目标导航 ，实现端到端策略训练、真实机器人评估、明确sim-to-real迁移的GS-based方案，填补了低成本真实场景重建与具 ...