京东 JoyAI-Sim 联合 NVIDIA Isaac Lab-Arena：构建人机对齐的具身智能仿真评测全流程

方案背景：具身智能正从单点算法突破走向数据、仿真、评测与部署协同演进。真机评测最接近实际部署环境，但成本高、速度慢、场景复位困难，模型评测难以规模化；同时仿真与现实之间的视角、布局、材质差异，也让仿真结果难以直接采信。京东为此推出 JoyAI-Sim“机器人⇌仿真⇌人类”人机数据对齐工具链，并与 NVIDIA Isaac Lab-Arena 结合，形成可规模化复用的仿真评测方案。

解决方案与架构：方案分为两层。第一层由 JoyAI-Sim 从 0 到 1 构建与真机评测对齐的仿真任务：把真实场景、机器人本体、任务流程按真实尺寸、质量与材质还原到仿真中，并通过真实视频与仿真渲染结果的校准比对，持续修正视角、空间布局和资产参数。第二层由 Isaac Lab-Arena 从 1 到 N 扩展评测规模：将验证过的场景、机器人与任务规则组织为标准化组件，支持跨本体、跨物体、跨环境的大规模并行 Rollout。

核心技术组件：Isaac Lab-Arena 提供 RTX 高保真材质与光照渲染、Newton 物理引擎的高精度接触与碰撞还原，以及精简统一的任务接口，降低评测任务开发门槛；JoyAI-Sim 则负责数据资产物理属性还原、真机与仿真对照测试、域随机化与人类反馈评审，可记录任务成功率、碰撞、超时、轨迹、关节状态及多视角视频。

实施成果：以桌面整理任务为例，模型分别部署到真机与仿真环境开展 Rollout，仿真评测与真实评测结果保持约 1:1 的一致性；依托并行仿真与规模化调度，整体评测效率显著高于真机评测；由于统一了初始状态、场景配置与评测流程，重复评测的结果偏差较真机评测明显降低。相关实践已在京东云 JoyBuilder 模型开发平台发布，开发者可直接运行 Notebook 工作流。

未来展望：JoyAI-Sim 与 Isaac Lab-Arena 的组合把“可信单任务评测”和“规模化任务扩展”连成闭环，让同一模型能在统一任务定义下完成真机与仿真对照测试，为具身模型训练、策略评估和 Sim-to-Real 迁移建立可复用的基线。随着任务库与数据合成能力扩展，这一方案可进一步覆盖工业、商用服务与家庭场景的机器人开发。