Agent 与自动化 / 国内
优必选发布 Thinker-Sim：用 AI 代理编排机器人仿真任务
优必选今天发布 Thinker-Sim，将真实场景重建、仿真数据生成与机器人评测放在同一平台，并用自然语言入口降低仿真任务配置门槛。
让真实场景进入仿真
据 IT之家和新京报转述优必选发布消息，Thinker-Sim 围绕 Real2Sim2Real 构建技术体系，将真实场景采集、三维重建和可用于仿真的资产生成连接起来。平台采用 Thinker-GS 场景重建算法，并支持图文驱动的三维资产批量生成、拓扑优化、材质生成与碰撞体配置。工厂产线可以成为数字场景，再按任务加入机器人、设备或人员资产。
用任务模板和 Agent 降低配置成本
平台内置训练、数据合成与评测模板，用户可选择模板并调整参数，通过实时画面、状态监控和结果反馈定位失败或配置问题。新京报还介绍了 Ulab-Agent：以自然语言理解需求，调用场景创建、环境配置、随机化和调度等能力。对机器人开发者而言，值得关注的是准备环境与验证算法能否形成连续工作流；上述功能来自厂商发布信息，两家报道并不等于两次独立实测。目前所读报道没有给出公开开源仓库、价格或个人用户注册方式，因此不宣称已经可免费体验。