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，出現了一個不太 “機器人” 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 生成領域的硬核實力：基于團隊發布的原生 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 大模型產品 Hyper3D，如今該產品已出現在今年英偉達 CES Keynote 、OpenAI 首屆黑客松冠軍項目等多個全球技術標桿場景的 3D 資產生成工作流里，其企業客戶規模位居行業第一。

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 資產賦予重力、摩擦力等真實物理屬性，無縫導出到 Isaac Sim 等仿真環境，已經成為具身團隊訓練「空間智能」的核心資產來源之一。今年 7 月，影眸科技在具身應用領域再進一步，聯合地瓜機器人、謀先飛發布了 “具身智能可訓練仿真閉環聯合解決方案”，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）實現了僅憑單張照片還原可交互三維場景，場景內的 3D 物品均為原生 Sim-Ready 資產，具備物理屬性，可直接用于仿真訓練，打通從真實影像到具身可訓練場景的端到端鏈路。

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

影眸團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 事業部負責人 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驗室占據，中國大陸機構與企業團隊進入候選名單的案例屈指可數。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隊創立的商業公司的核心參與，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「從仿真到現實」的必答題：在充滿誤差與擾動的真實物理世界里，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化的核心計算搬上 GPU，在獨輪車、四旋翼和 Franka 機械臂任務中實現最高139.6 倍加速，同時保持100%的安全約束。

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

仿真不必完美，策略要對不完美有所準備

具身在仿真里學會的每一個動作，都建立在一個隱含假設上：世界會按模型訓練時的環境那樣運轉，但真實世界絕不是如此。真實機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。

行業的傳統直覺是不斷提高仿真精度，讓模擬器盡量接近現實。但這條路有一條殘酷的漸近線，現實中的摩擦、接觸、材料屬性、執行誤差不可能被完整復刻，Sim-to-Real Gap 是仿真訓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，也取決于策略能否承受它不真實的部分。」Joel Wang 說。

這在技術上對應控制領域一個經典方向 — 魯棒軌跡優化（Robust Trajectory Optimization）。思路可以用一句話概括：既然擾動無法被精確預測，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構化不確定性集合（uncertainty set），然后在規劃階段提出硬性要求。對集合內的每一種可能擾動，軌跡都必須滿足全部安全約束：避障、關節限位、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方法，它對機械臂操作、飛行器避障這類安全攸關場景更為根本。而且求解的產物不只是一條名義軌跡，還有一組隨時間變化的反饋增益 — 機器人在執行中一旦被擾動帶偏，可以依據實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和約束做逐次線性化（successive linearization），內層通過魯棒約束重構，把無窮多條約束轉化為有限個二階錐規劃（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雅，非線性動力學、非線性約束都能處理。

但工程上，它撞在了一堵墻上，SOCP 子問題依賴內點法（Interior Point Method）求解。內點法精度高，卻是一種以大規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模膨脹的 KKT 系統。系統維度一高、約束一多，計算量爆炸式增長。

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

與此同時，從剛體動力學梯度并行化，到實時非線性 MPC，把優化搬上 GPU 已是明確趨勢。麻煩在于，NRTO 的原始結構，嵌套雙層循環加串行內點法，天然不適合并行。

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

第一步：NRTO-DR，用算子分裂替換內點法。

NRTO-DR 架構圖

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

具體而言，團隊用經典的 Douglas-Rachford 分裂方法重寫了內層最昂貴的 SOCP 子問題，將其分解為兩類操作。其一是稀疏線性求解，由于內層迭代中 KKT 系統的系數矩陣保持不變，只需做一次 Cholesky 分解，之后每次迭代復用三角求解，直接推翻了內點法「每步重新分解」的成本結構。其二是二階錐投影，把一個點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立，是典型的可大規模并行問題。

GPU 實現上，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，向量運算通過 cuBLAS 全程留在設備端。

效果立竿見影：無障礙獨輪車任務從 30423 秒降到 1934 秒。

但團隊在 profiling 時發現了新的瓶頸，43.5% 的運行時間花在 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，數據卻在 GPU 與主機之間來回搬運，把省下的時間又還了回去。

第二步：NRTO-FullADMM，整個內循環搬進 GPU。

NRTO-FullADMM 架構圖

這是論文真正的核心創新。它不再滿足于替換子求解器，而是重構了內層 ADMM 本身的分塊結構，通過引入新的松弛變量，把二階錐投影直接「壓」進 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，嵌套結構被抹平了。

由此帶來關鍵的工程紅利是，整個內循環可以完整跑在 GPU 上。每個外層線性化迭代只需向 GPU 上傳一次約束數據與常量算子，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，全部在設備端完成，直到收斂才把結果傳回。

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

速度提了兩個數量級，安全一分沒讓

使用 cuNRTO 規劃 Franka 機械臂軌跡

論文在獨輪車、四旋翼和 7 自由度 Franka 機械臂三類系統上做了系統評測，對時間步長、不確定性水平、障礙物數量三個維度分別做了實驗。幾組關鍵數字：

• 獨輪車五障礙任務：30423 秒 →218 秒，加速139.6 倍
• 四旋翼五障礙任務：13374 秒 → 200 秒，加速 66.9 倍；
• Franka 機械臂（14 維狀態、7 維力矩輸入，包含關節限位、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定下，所有任務、所有擾動實現均保持100% 約束滿足。三種求解器的最優目標值差異不到 0.5%，但速度提升兩個數量級，解的質量沒有退化。

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 平臺上完成了真機驗證，擾動集合直接從開環執行的殘差中估計，NRTO 輸出的反饋策略在線估計擾動、實時糾偏，最終穩定駛入目標區域。而只執行名義控制序列的對照組，出現了肉眼可見的漂移。

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備。這套方法論在真實硬件上跑通了完整閉環。

據了解，團隊正在與英偉達進一步推進 GPU 側優化，目標是把相關計算繼續壓縮至毫秒級。一旦達成，魯棒優化將不再只是離線規劃工具，而是具備在線控制能力的實時組件。

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：

• CLAY（SIGGRAPH2024 最佳論文提名）：原生 3D 生成基礎模型，解決三維物體如何生成；
• DressCode（SIGGRAPH2024 最佳論文提名）：自回歸 3D 生成架構探索；
• BANG (SIGGRAPH2025 Top 10 技術論文速覽)：通過生成式方法理解物體內部結構、實現 3D 資產遞歸分件，解決物體結構如何理解和拆解；
• CAST（SIGGRAPH 2025 最佳論文）：從單圖重建包含物體關系與物理約束的完整 3D 場景，解決完整場景及物理關系如何重建；
• 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境中安全行動。

生成物體 → 理解結構 → 構建場景 → 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環相扣的四塊拼圖，也對應著影眸正在打通的業務閉環，Hyper3D 的 Sim-Ready 功能為具身智能持續生產可仿真的 3D 資產，cuNRTO 則在探索讓基于這些資產訓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、仿真世界與真實世界的 3D 智能基礎設施。

支撐這張版圖的，是一個在創業公司里相當罕見的全球頂級科研團隊。影眸Hyper3D是業內唯一連續多年獲得 SIGGRAPH 最佳論文及提名的商業公司，算法團隊每 2 人中就有 1 人獲得或被提名過頂會最佳論文，約 70% 的科研成果實現了產品轉化。

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 人的創業公司而言，這是足以對標全球頂級實驗室的產出。

團隊在大會現場設了展位，演示 Hyper3D 的實時生成，人流幾乎沒斷過，其中相當一部分是 Hyper3D 的老用戶，圍上來當面提需求、給反饋。

同一個會場里，論文在講臺上被宣讀，產品在展臺前被用戶圍住，這無疑是「研究即產品」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，可以探索不直接服務于短期產品版本的長期問題。研究與產品不是兩套割裂的體系，CLAY、BANG、CAST 最終都進入了產品與產業場景，多位核心研究者本身就是公司合伙人和核心決策者。身兼創業者與一線研究者的 Joel Wang，正是其中之一。

「這次提名當然是對論文的認可，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、甚至不直接服務于短期產品版本的研究。我們希望影眸最終成為一支真正理解三維世界、也能夠持續定義前沿問題的 Research Lab。」Joel Wang 說。

從 SIGGRAPH 到 RSS，從圖形學到機器人學，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、場景構建與智能體控制的研究團隊，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，具身能否走進充滿干擾、摩擦與誤差的現實世界。而在具身走向現實世界的關鍵一步上，像影眸這樣連接生成、仿真與現實世界的 3D 智能基礎設施將會是不可或缺的。