[CV]《SPEAR: A Simulator for Photorealistic Embodied AI Research》M Roberts, R Wang, R Zawar, R Dey-Prakash… [Adobe Research & Manycore Tech Inc] (2026)

在具身智能（Embodied AI）领域，高保真模拟器是训练智能体的核心基础设施。过去的方法受困于可编程性差、渲染传输慢以及难以集成第三方资产，本质原因是现有模拟器多为封闭的单體应用，且缺乏与底层引擎反射系统的深度解耦。

本文的核心洞见是：通过 C++ 直接挂钩虚幻引擎（UE）的运行时反射系统，将引擎内部的海量对象与函数动态映射至 Python。由此，一种基于事务的异步编程模型与共享内存技术使开发者能以原生帧率操控超过 1.4 万个引擎函数，彻底解开了模拟精度与控制灵活性之间的枷锁。

这项工作真正留下的遗产是为学术界提供了一个高通量、全功能、插件化的具身智能实验场。它为后来者打开的新门是利用互联网规模的视觉语言模型直接驱动复杂的虚拟世界，但尚未跨过的门槛是物理模拟的真实性（Sim-to-Real）仍需在更极端的动态场景下进一步验证。

arxiv.org/abs/2607.06701 机器学习 人工智能 论文 AI创造营