9 月 15 日至 17 日，由 Google DeepMind 主办的 RoboSim Summit 2026 在英国伦敦 Google DeepMind 总部举行。这是一场聚焦机器人仿真与物理 AI 的闭门技术会议，汇集了 Google DeepMind、NVIDIA、Toyota Research Institute、Chrono、Disney Research、Genesis 等机构的仿真研究者和技术负责人，围绕可微分物理、可形变体、多物理场交互、世界模拟器、Real2Sim 及机器人训练等方向展开交流。

          凌迪科技受邀出席本次会议。作为开源Newton 平台上唯一的形变体仿真引擎合作伙伴，凌迪科技在会上分享了其围绕可形变体仿真、智能体式创作和物理 AI 开展的研究进展，并与来自全球仿真领域的同行进行技术研讨。

          会议期间，凌迪科技首席科学家王华民博士发表题为《World Simulators for Self-Improving Physical AI》的主题演讲。他围绕机器人训练中的仿真需求提出，可形变体、接触、摩擦及多物理场交互，使机器人面对的物理环境远比刚体场景复杂。仿真系统既要在有限算力下保持足够的物理可信度，也要支持大规模并行训练、合成数据生成与算法验证。

          王华民介绍了凌迪科技在统一多物理场仿真和神经仿真方面的探索。相关研究关注机器人与刚体、柔性材料、颗粒、流体等对象的交互建模，尝试减少不同求解器之间的数据传递与计算开销，为复杂环境下的机器人训练和虚拟验证提供支持。

          在智能体三维建模方向，凌迪科技进一步探索“Simulation-in-the-loop”的方法。AI 可以提出三维模型方案，仿真系统则通过重心、接触、褶皱和材料响应等物理表现进行验证，并将结果反馈给模型修正。该方法面向三维内容创作中的结构与物理属性理解，也与 Real2Sim、具身智能和机器人研发中的数据与场景需求相连接。

          9 月 17 日，王华民还参与了由 Google DeepMind Tom Erez 牵头的 Real2Sim 与智能体式创作研讨会，与来自 Google DeepMind、NVIDIA 等机构的专家，就真实交互数据、仿真工具和下一代建模方法展开交流。

          凌迪科技自 2015 年起持续投入形变体物理仿真技术，相关能力率先在数字时尚领域实现规模化应用，并服务全球数千家工业企业。公司正以自研形变体仿真引擎为基础，推进物理 AI 与世界模型的数据基座建设。面对布料、绳索等柔性物体复杂的运动与交互，仿真可为高质量物理数据生成、虚拟环境模拟和算法验证提供支持，并进一步拓展至具身智能和机器人研发等场景。