Uranus: Building the Next-Generation Simulation Infrastructure for Embodied AI

📄 arXiv: 2609.24815v1 📥 PDF

作者: Wenkang Qin, Yukun Zhou, Noah Shen, Jisong Cai, Dongxiao Mao, Baicheng Li, Yue Zhang, Wei Sui

分类: cs.RO, cs.AI

发布日期: 2026-09-21

备注: Project Page: https://d-robotics-ai-lab.github.io/large-model-team/blog/uranus/ Inference Code: https://github.com/D-Robotics-AI-Lab/Uranus-OSS Inference Data: https://huggingface.co/datasets/D-Robotics/Uranus-Demo-Data SDK Code: https://github.com/D-Robotics-AI-Lab/Uranus-SDK Model Weights: https://huggingface.co/collections/D-Robotics/uranus

💡 一句话要点

提出Uranus以解决机器人仿真基础设施不足问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 机器人仿真 自回归模型 数据驱动 低延迟生成 多视角支持

📋 核心要点

  1. 现有的机器人仿真方法在数据生成和策略训练方面存在高成本和人力需求的问题。
  2. Uranus通过自回归扩散模型实现了流式生成和低延迟输出，提升了仿真效率。
  3. 实验结果显示Uranus在生成速度和多视角支持上显著优于传统仿真器，达到24FPS。

📝 摘要（中文）

可扩展的仿真对于机器人数据生成、策略训练、评估和安全迭代至关重要，但现实世界的交互成本高昂，传统仿真器的构建也需耗费大量人力。本文提出了Uranus，一个基于联合轨迹条件自回归扩散模型的数据驱动机器人仿真器。Uranus具备三大关键能力：1) 流式、开放式的回放，能够在线接收未来的关节位置轨迹并自回归生成每一步的潜在帧；2) 低延迟生成，经过推理优化后实现24帧每秒；3) 可扩展的机器人控制，提供统一接口以支持多视角生成。我们对Uranus进行了全面的定量和定性评估，客观评估其性能并明确指出当前的局限性。我们发布了代码和模型权重，以便社区使用。

🔬 方法详解

问题定义：本文旨在解决现有机器人仿真器在数据生成和策略训练中的高成本和低效率问题。传统仿真器需要大量人力构建，且在实时性和扩展性上存在不足。

核心思路：Uranus采用了一种数据驱动的自回归扩散模型，通过在线接收关节轨迹，实现流式生成和低延迟输出，旨在提高仿真效率和灵活性。

技术框架：Uranus的整体架构包括数据输入模块、轨迹生成模块和多视角输出模块。数据输入模块负责接收实时轨迹，轨迹生成模块利用自回归模型生成潜在帧，最后通过多视角输出模块实现同步生成。

关键创新：Uranus的主要创新在于其流式、开放式的回放能力和低延迟生成，能够在没有固定时间限制的情况下进行高效仿真，这在现有方法中是前所未有的。

关键设计：Uranus的设计中，关键参数包括自回归模型的超参数设置和损失函数的选择，确保生成的帧在视觉质量和时间一致性上的平衡。

🖼️ 关键图片

fig_0
fig_1
fig_2

📊 实验亮点

实验结果表明，Uranus在生成速度上达到24帧每秒，相较于传统仿真器显著提升了效率。此外，Uranus在多视角生成的能力上也表现出色，能够支持多种机器人形态和摄像头配置，极大地扩展了应用场景。

🎯 应用场景

Uranus的研究成果可广泛应用于机器人领域的仿真训练、策略优化和安全评估，尤其适用于需要高效数据生成的场景，如自动驾驶、服务机器人和工业机器人等。未来，Uranus有潜力推动机器人技术的快速发展，降低研发成本。

📄 摘要（原文）

Scalable simulation is essential for robot data generation, policy training, evaluation, and safe iteration, yet real-world interaction is costly and conventional simulators require labor-intensive construction. We present Uranus, a data-driven robot simulator built around a joint-trajectory-conditioned autoregressive diffusion model. Uranus offers three key capabilities: (1) streaming, open-ended rollout, which receives future joint-position trajectories online and autoregressively generates one latent frame per step, corresponding to four RGB frames, without a fixed horizon; (2) low-latency generation, achieving 24 FPS after inference optimization; and (3) scalable, extensible robot control, providing a unified interface for synchronized multi-view generation across diverse robot embodiments and camera configurations. We conduct comprehensive quantitative and qualitative evaluations on both in-distribution and out-of-distribution data, providing an objective assessment of Uranus and clearly identifying its current limitations. We release the code and model weights to empower the community with practical tools and insights.