展商动态｜逐际动力LimX DreamActor：基于多元数据的具身智能训练新范式

在具身智能的发展进程中，数据始终是推动突破的关键，然而，行业长期受限于数据不足、采集成本高昂和跨场景迁移困难。逐际动力LimX Dynamics提出了 LimX Data Recipe（多元数据配方）策略，通过真机、仿真、视频等多源数据的组合，打破对单一数据来源的依赖。继聚焦视频数据的LimX VGM之后，逐际动力再次推出一套全新的具身智能训练范式 —— LimX DreamActor：

发挥Real2Sim2Real与真机强化学习的双重优势，利用仿真和真机数据弥合模拟到现实之间的鸿沟，显著提高具身模型训练与部署的效率与稳定性，为实现机器人的自主操作提供行业领先的开发范式。

1

新范式：

Real2Sim2Real + 真机强化学习

LimX DreamActor首次实现了Real2Sim2Real、模仿学习和真机强化学习的深度结合，全面解锁仿真数据和真机数据在具身智能训练中的优势。

在仿真阶段，系统通过高拟真建模和模仿学习训练，建立场景和物体的泛化能力，大幅提升策略预训练的效率；在现实阶段，利用真机强化学习对策略进行后训练，确保高成功率的落地部署。

这种双向互补的方式，既具备了大规模仿真训练的高效率，又借助少量真机强化学习即可弥合模拟到现实之间的鸿沟，有助实现样本效率、收敛速度和部署稳定性的全面提升。

这一“虚实融合”的开发新范式，不仅提高了模型训练的性价比，也为落地部署提供了更稳健的解决方案。

LimX DreamActor优势对比

2

工作流程：

从现实到仿真再到现实

LimX DreamActor形成了“现实环境数据采集—仿真数据预训练—真机数据后训练”：

见识世界（RealScene）：利用消费级相机拍摄场景和物体，即可完成多视角的环境数据采集。这种低成本的方式打破了过去对专业设备的依赖，让数据获取更加简单和高效。

解释万物（Real2Sim）：基于多视角图像进行三维重建，并为模型赋予质量、摩擦系数、碰撞体积等丰富的物理参数。通过几何重建，以及物理、尺度和坐标的对齐，让模型更加符合客观的物理属性，仿真环境对现实世界的映射更趋合理，为操作模型的训练打下重要基础。

万象重生（SimScene）：构建数量庞大的高拟真场景，让操作轨迹得以和大量混合渲染的拟真场景进行训练，实现低成本、高效率的数据扩展，获得场景的泛化能力。

千锤百炼（Data Collection & RL in Real）：在仿真环境中进行模仿学习和域随机化训练，再在真机上进行少量的强化学习后训练，实现跨域迁移，既节省了昂贵的真机试错成本，又确保了落地部署的稳定性。

LimX DreamActor打通了“现实环境数据采集—仿真数据预训练—真机数据后训练”的全流程，使具身智能的训练过程更高效、更可靠。

3

技术亮点：

简单可靠、效率高、可扩展

LimX DreamActor的突破不仅在于流程优化，更体现在多项能力的创新。

• 数据采集更简单：只需手机等消费级设备拍摄视频或照片，即可重建高拟真三维场景。

• 三维资产生成能力：支持大规模生成或调用外部3D数字资产，低成本扩展数据，实现数据多样性。

• 物理一致性更强：不仅外观逼真，还具备更佳的现实物理属性，为训练提供可信赖的基础，提高模型泛化性和可信度。

• 对齐更高效：通过机械臂即可完成场景与物体的坐标对齐，避免传统繁琐的标定流程。

• 直接在仿真中训练策略：能够直接在仿真环境中进行策略训练，无需先仿真，后采集数据。

• Real2Sim与真机RL二者优势互补：Real2Sim提供高保真场景、多样化数据，加速了策略的初始化；真机RL则确保策略迁移落地的可靠性。二者结合，既大大缩短了训练周期，也降低了真机探索的风险。

LimX DreamActor完整工作流程

对于逐际动力而言，LimX DreamActor不仅是一项技术成果，更是公司整体战略布局的重要一环。作为一家聚焦具身智能机器人的AI公司，逐际动力围绕三大核心技术 —— 本体硬件设计制造、基于强化学习的全身运动控制、具身大脑训练范式，并构建不断完善的具身Agent开发工具链。LimX DreamActor的推出，为AGI在物理世界的泛化能力提供了又一条创新路径，加速了具身智能从实验室走向现实应用。

基于“IDS生态协同战略”，逐际动力正携手创新者（Innovators）、开发者（Developers）和系统集成商（System Integrators），共同推动具身智能在科研、制造、商业和家庭等领域的广泛落地。LimX DreamActor既展示了逐际动力前沿技术的积累与研发能力，也为开发者和合作伙伴提供了又一套低成本、高效率、高可靠性的工具，不断完善以用户为中心的具身智能开发生态。