ICRA 2026｜中兴开源RealMirror平台，推动具身智能研发普惠化

具身智能旨在创造能够感知、理解并与物理世界互动的智能体，这一领域正将人工智能从抽象计算推向更接近人类的物理智能。然而，当前人形机器人研究面临三大挑战：数据采集成本高、缺乏统一评测基准以及仿真与现实（Sim2Real）之间的显著差距。

针对这些问题，中兴通讯的研究团队在ICRA 2026上发布了《RealMirror: A Comprehensive, Open-Source Vision-Language-Action Platform for Embodied AI》论文，提出了一体化的端到端仿真平台RealMirror。其核心贡献包括：

1. 高效低成本采-训-推系统
   RealMirror基于VR遥操作和优化的通信框架，构建了无需真机即可完成数据采集、模型训练和推理的完整流程，显著降低了研发门槛。通过多级滤波机制确保动作平滑性，并支持手势识别精细操作，为高质量轨迹采集提供基础。

2. 人形机器人VLA Benchmark
   平台提供了覆盖5大场景（如厨房清理、空气炸锅操作等）和5大核心技能（如双臂协同、动态抓取）的开源基准，包含1200条高质量仿真轨迹，支持主流算法的自动化评测，帮助研究者从任务成功率和技能能力分布两个维度评估模型性能。

3. 零样本Sim2Real迁移
   RealMirror采用3D Gaussian Splatting（3DGS）技术重建高保真环境和机器人模型，弥合仿真与现实的视觉差距。实验表明，在仿真环境中训练的模型无需真实数据微调，即可直接部署到真实机器人上执行任务，基础抓取任务成功率达92.86%。

RealMirror通过整合这些特性，为人形机器人研究提供了可复制、可扩展的技术路径，显著降低研发成本和时间。平台开源后迅速获得关注，短期内收获GitHub Star 600+，相关资产下载量达2400+。

“我们的目标是让具身智能研究可以在纯仿真环境中完成全流程闭环。”团队表示，“无论是高校实验室还是初创公司，都能以更低的成本开展前沿研究。”

随着人形机器人迈向规模化落地，RealMirror或将成为推动具身智能研发普惠化的关键基础设施。

项目链接：
论文：https://arxiv.org/abs/2509.14687
开源代码：https://github.com/terminators2025/RealMirror
数据集：https://huggingface.co/datasets/zte-terminators/realmirror-datasets