逐际动力近期在具身智能领域再度迈出重要步伐，推出了名为LimX DreamActor的全新训练范式。这一创新技术紧随其LimX VGM视频数据处理方案之后，标志着公司在推动具身智能发展上的又一里程碑。
LimX DreamActor的核心亮点在于它首次融合了Real2Sim2Real技术、模仿学习与真机强化学习的优势，从而充分利用仿真数据和真机数据在训练过程中的潜力。这一结合不仅提升了训练效率，也进一步拓宽了具身智能的应用前景。
在具身智能的探索道路上，数据一直是制约技术突破的关键因素。数据的稀缺性、高昂的采集成本以及跨场景迁移的难度，长期以来困扰着整个行业。为了应对这些挑战，逐际动力此前提出了LimX Data Recipe策略，通过整合真机、仿真、视频等多源数据，打破了对单一数据源的过度依赖。
LimX DreamActor的创新不仅体现在流程的优化上，更在于多项核心能力的突破。现在，用户只需使用消费级设备如手机拍摄视频或照片，即可轻松重建高度逼真的三维场景，极大地简化了数据采集过程。该技术还支持大规模生成或调用外部3D数字资产，以低成本实现数据的多样化扩展。
在物理一致性方面，LimX DreamActor同样表现出色。它不仅能够生成外观逼真的场景，还确保了场景具备更贴近现实的物理属性，这为模型的训练提供了坚实的基础，有效提升了模型的泛化能力和可信度。同时，该技术还通过机械臂实现了场景与物体的坐标高效对齐，避免了传统标定流程的繁琐。
更LimX DreamActor允许用户直接在仿真环境中进行策略训练，无需先进行仿真再采集数据。这一特性不仅缩短了训练周期，还提高了训练效率。Real2Sim技术与真机强化学习的结合更是相得益彰：Real2Sim提供高保真场景和多样化数据，加速了策略的初始化；而真机强化学习则确保了策略在实际应用中的可靠性。两者相辅相成，既降低了真机探索的风险，也显著提升了训练效果。
