Ai2 发布 MolmoBot：纯合成数据训练，零样本迁移到真实机器人

Allen Institute for AI（Ai2）发布 MolmoBot，在物理 AI 领域实现了一个重要里程碑：完全依靠合成数据训练的机器人操控模型，无需任何真实世界数据，即可在真实机器人上执行未曾见过的任务。

核心突破：传统 sim-to-real 路径需要大量真实示范数据来弥合仿真与现实的差距。Ai2 选择反其道而行——用极度多样化的仿真环境（23 万+ 室内场景、13 万+ 物体资产）来”强制”模型泛化，而非靠真实数据打补丁。结果：MolmoBot 在 Rainbow Robotics RB-Y1 和 Franka FR3 机械臂上，成功完成拾取物品、开抽屉、过门等日常任务，物体和环境均未在训练中出现。

配套发布：MolmoSpaces 生态系统包含 4200 万条物理约束的机器人抓取标注，并兼容 MuJoCo、ManiSkill、Nvidia Isaac Lab 等主流仿真框架。全部开源，推理代码、权重、微调工具链一并放出。

Ai2 在 DeepMind、OpenAI、Nvidia、Meta 均在探索 sim-to-real 技术的背景下，凭借完全开源的姿态脱颖而出——这是机器人基础模型领域一次难得的开放性进展。