【编者按】当“创新”成为时代最响亮的号角，浙江正涌现一批不一样的企业家。他们不只“会做生意”，更是用科学家的钻劲、工程师的巧思，死磕核心技术。从一枚芯片、一个分子、一段代码，到一台智能设备、一种绿色能源……他们瞄准的，是真正能打、能赢未来的“硬实力”。潮新闻“潮·新质实验室”联合浙江大学国际联合商学院（ZIBS）、浙江大学国际校区隐形冠军国际研究中心推出财经观察栏目《周一晚8点》，化身探宝者，挖掘是谁在默默支撑中国制造的筋骨，解读他们突破的“独门绝技”，追问浙江的创新密码，未来的产业“风向标”又将指向何方。
导读
为什么一家服装3D软件公司会进入具身智能领域？
本期我们关注凌迪科技（Style3D），如何将数字样衣领域长期积累的柔性物体建模与物理仿真能力等，延伸至机器人衣物操作训练，并探讨这条技术路径仍面临哪些挑战？
Why is a 3D fashion software company entering embodied AI? This issue explores how Style3D applies its expertise in deformable-object modeling and physics simulation to robotic garment handling and the challenges ahead.
今年的世界人工智能大会（WAIC）上，国家级专精特新“小巨人”企业凌迪科技（Style3D）首次将展台设在具身智能展区。
过去，这家企业更为人熟知的身份，是一家服装3D设计与仿真软件企业。它把版型、面料和工艺转化为可计算模型，让一件服装在进入实体打样和生产前，就能完成对成衣形态与工艺可行性的验证。（详细查看周刊47期解读）
此次展出的SynReal World，则把3D资产生成、场景搭建、虚拟训练和仿真评测等能力延伸至具身智能，为机器人提供可反复训练和验证的数字环境。
SynReal Sim 效果展示 图源：SynReal（凌迪科技（Style3D）推出的具身智能仿真与合成数据平台）
据企业透露，目前服装数字化软件仍是其核心业务之一。变化在于，过去围绕数字样衣积累的柔性物体建模、物理仿真和结构化数据能力，开始进入具身智能训练场景。
机器人学叠衣服，缺的不只是更多数据
机器人搬运纸箱、杯子等刚性物体时，物体的几何形态通常保持稳定。系统识别位置和朝向后，便可以计算抓取点与运动轨迹。
服装则不同。一件T恤可能出现翻折、褶皱等状态。机械臂每次抓取都会改变其整体形态，不仅要识别衣物当前的状态，还要预测接触之后，布料可能发生的变化。
2026年发表于《国际机器人研究杂志》的一项研究，基于ICRA 2024机器人衣物操作竞赛构建测试基准，涵盖11支参赛队伍、34件衣物和679次衣物展开操作。结果显示，竞赛现场的表现与部分既有研究报告存在明显差距，衣物操作算法在实验室之外仍面临稳定性和泛化问题。
如果完全依赖真机采集，机器人需要反复摆放衣物、执行动作并记录结果。当面料、褶皱状态、夹爪形式或环境发生变化时，已有数据未必能够直接复用。
仿真由此成为重要补充。机器人先在数字环境中训练，再把学到的动作策略部署到真实设备上，这一过程通常被称为Sim2Real，也就是“从仿真到现实”。
图源：专栏整理绘制
但数字世界中的衣服，不能只是外观相似。弹性、弯曲刚度和摩擦等参数都会影响操作结果。相关研究指出，不同材料属性会直接影响机器人抓取、移动和折叠衣物的效果。
此外，Thomas Lips等人在2024年发表的研究中，利用合成数据训练模型识别T恤、毛巾和短裤的关键位置。仅使用合成数据时，模型平均精度约为64.3%；加入真实数据微调后，提高到74.2%。这表明，合成数据能够扩大训练规模，但仍需真实数据和更准确的材料模型来缩小Sim2Real差距。
这也意味着，仿真不能只追求数据规模，还要建立符合物理规律、能够反复试错的训练环境。
图源：专栏整理绘制
十年数字样衣，积累了一张新的入场券
这恰好是Style3D长期处理的问题。
服装企业在使用3D软件过程中不是为了生成一张好看的效果图。数字样衣既要还原版型和缝合关系，也要模拟面料在重力、动作和接触下的变化。参数不准确，电脑里的衣服看起来可能很漂亮，生产出来却是另一个效果。
因此，服装仿真长期面对的核心问题，是如何把现实中的面料、版型和工艺转化为可以计算的数据。
在现场调研中，企业将自身的底层能力概括为“3D仿真+AI”。纺织服装、CG文娱和机器人训练虽然面对不同客户，但共享同一套建模和仿真能力。进入具身智能场景后，还可根据具体任务需要，与MuJoCo、Isaac Sim等工具或训练平台进行适配。再根据任务接入MuJoCo、Isaac Sim等机器人仿真工具与训练平台。
应用对象由虚拟人体变成虚拟机械臂和夹爪，但底层仍在处理柔性物体的仿真。也正因为如此，Style3D进入机器人训练，其重点并非从零构建完整机器人技术栈，而是将相关能力结合机器人任务需求迁移到新场景。
图源：专栏整理绘制
但可以迁移的并不是一批现成的数字服装，不同机器人企业使用的本体、夹爪、模型等各不相同，原有数据仍需围绕具体任务重新组织。真正可以复用的，是一套将柔性物体数字化的方法，包括采集材料参数、建立三维模型和生成交互数据的能力等。
在去年的调研中，企业高管曾提出，结构化数据是AI时代的重要壁垒。今年，企业高管进一步表示，数据已不再是制作完成后反复使用的静态资产，而需要根据模型和任务进行定制，并随着训练结果持续迭代。
目前，Style3D已将AI业务视为重要的第二增长曲线。在国内，AI项目的决策和落地相对更快，相关定制业务也在增长，具身智能训练正成为其中的重要方向之一。
AI没有创造这项能力，而是让原本服务服装产业的技术积累进入新的应用场景。
从数字衣服到真机动作最靠谱股票配资平台，中间还缺什么
但拿到入场券，并不意味着已经跑通了从仿真到真机的完整链路。
SynReal World试图把企业现有的柔性物体仿真能力，进一步组织成机器人训练平台。具身智能企业可以先建立不同款式和材质的数字衣物，再配置机械臂、夹爪等任务条件。
整条链路可以概括为：在理想项目流程中，现实物体被转化为数字模型，机器人在仿真中训练并部署到真机，真机误差再反过来修正仿真参数和训练数据。
Style3D过去的优势主要在于“把现实搬进数字世界”，但机器人客户最终检验的，是仿真中学到的策略能否在真实环境中完成任务。
这并不容易。2024年，David Blanco-Mulero等比较了四种布料仿真工具，研究发现，评价柔性物体仿真工具除了考虑精度，还要兼顾运行速度和稳定性。不同工具各有取舍，需要在真实性与计算效率之间找到平衡。
2026年，Xin Liu等进一步将柔性物体仿真用于机器人的在线动作规划。机器人在执行前先通过仿真比较不同动作，再根据现场状态不断调整策略。实验显示，该方法能够提高布料操作的成功率和抗扰动能力。
柔性物体仿真不仅要接近现实，还要足够快、足够稳定，才能真正用于机器人训练和操作。另一道门槛在于商业化：定制能力能否逐步沉淀为标准产品。
图源：专栏整理绘制
如果每进入一家具身智能企业，都要重新搭建场景、整理数据和适配接口，业务增长仍会受到项目周期和交付能力的限制。只有当材料参数、数字资产、任务模板等逐渐复用，柔性仿真才可能从定制项目变成机器人训练的标准工具。
从数字衣服到真机动作，技术链路已经出现，但能否转化为可复制的产品和商业模式，我们仍需等待市场验证。
元鼎证券_专业交易服务平台——助你把握资本增长新节奏，期待你的加入！提示：本文来自互联网，不代表本网站观点。
