共计 1121 个字符，预计需要花费 3 分钟才能阅读完成。
柔性材料,正在成为物理 AI 绕不开的一道难题 。 从服装 3D 设计工具起家的凌迪科技(Style3D), 正将其在布料、面料和柔性体仿真上的积累, 延伸到具身智能训练场景中。
📌 从服装数字化到柔性体仿真
凌迪科技成立于 2015 年,最初聚焦纺织服装行业的 3D 仿真。与常见的刚体仿真不同, 布料、毛巾、窗帘等柔性体会产生褶皱、拉伸、自接触和缠绕, 计算复杂度显著更高。行业内普遍认为, 柔性材料的真实模拟不仅依赖算法, 也需要大量可校准的物理参数。
过去十年,凌迪围绕服装产业构建了从面料数字化、2D CAD、3D 仿真到 AI 内容生成、营销和制造衔接的产品矩阵。今年 6 月, 公司还发布了面向时尚产业的 AI 工作台 StyleWork, 试图把款式、面料、工艺、客户沟通等环节纳入统一的数字化流程。
🔍 具身智能为什么需要“仿真 + 真机”
随着机器人训练需求升温,具身智能企业开始寻找更高效的数据来源。完全依靠真机采集, 不仅成本高、周期长, 而且场景覆盖有限; 机器人进入真实家庭、商场或工厂后, 会面对光照、材质、摩擦、碰撞等多种变量。
凌迪的思路是用仿真先扩大数据规模和场景多样性,再通过真实数据与真机测试进行校准。其创始人刘郴在交流中提到, 仿真并不是替代真实世界, 而是补足真实数据不足, 并通过“物理资产生成—仿真训练—真机反馈—自动评测”的闭环逐步缩小 sim to real 差距。
- 数据层面:生成更多可交互的柔性物体和训练场景。
- 验证层面:用真机反馈修正仿真模型。
- 成本层面:减少纯人工采集带来的时间和资金消耗。
💡 合作扩展: 从银河通用到 NVIDIA Newton
材料显示,凌迪已与银河通用等机器人公司开展合作, 为其提供仿真合成数据和柔性体训练能力。2026 年 2 月, 凌迪发布具身仿真系统 SynReal, 并宣布与银河通用合作。
同时, 凌迪还是 NVIDIA Newton 物理引擎平台的形变体模拟引擎合作伙伴。刘郴认为, 科技巨头可以投入算力和算法, 但柔性体仿真所需的大量面料采集、测量和数据库重建, 并非短期内轻易复制。
📊 行业影响: 服装产业也可能被具身智能反向推动
服装行业长期依赖经验和人工操作,是自动化难度较高的柔性制造场景。凌迪此前在客户案例中提到,3D 与 AI 工具已在部分企业中帮助缩短设计、打样和营销内容生成周期, 例如减少样衣需求、压缩客户确认时间、降低拍摄成本等。
🚀 总结: 凌迪的边界正在被重新定义
围绕“对话刘郴: 解决物理 AI 的“真实感”难题, 凌迪科技的仿真野”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
