从 Python 友好,到自然语言原生
保留开发者熟悉的 Python 工作流,同时让用户直接描述目标。AI 自动完成场景、资产、材料、任务、奖励、传感器、训练与评估的系统级编排。
NeuxMind Continuum 是面向 Physical AI 时代的下一代机器人仿真训练引擎。全面覆盖 Genesis 的高性能并行、多物理、可微分与机器人训练能力,并以 AI 原生创作、TRON 级视觉体验和跨芯片开放架构,把仿真从专家工具变成智能体理解世界、训练行动与持续进化的基础设施。
Continuum 延续 Genesis 对高性能物理仿真的极致追求,同时回答一个更重要的问题:当仿真真正成为 AI 的原生环境,它应该如何被创建、理解、运行、训练与进化?
Genesis 让高性能通用机器人仿真成为可能。Continuum 让 AI 自己构建世界、理解任务、组织训练,并把每一次交互变成下一次进化的数据。
保留开发者熟悉的 Python 工作流,同时让用户直接描述目标。AI 自动完成场景、资产、材料、任务、奖励、传感器、训练与评估的系统级编排。
以 NVIDIA TRON 所代表的神经渲染方向为视觉标杆,用权威几何、物理 G-buffer 与单步神经渲染兼得自由视角、空间一致性与照片级质感。
自研编译器将统一物理表达编译至 SPIR-V / Vulkan,面向 NVIDIA、AMD、Intel、Apple 与国产 GPU,解除 CUDA 单一生态依赖。
每一次状态、动作、传感器观测、视频与任务结果都沉淀为可学习 Episode,持续驱动策略、场景与动作条件世界模型共同进化。
一句自然语言,从意图直接抵达一个可运行、可交互、可训练、可复现的物理世界。Continuum 把复杂的仿真工程压缩成一条面向目标的智能工作流。
“构建一个机械臂分拣易碎物品的训练场。”
AI 编译场景、资产、材料、碰撞、光照与语义。
自动组织目标、奖励、约束、课程与随机化策略。
在大规模物理环境中训练、验证与迭代策略。
AI 发现失败、复现实验、调整任务并生成下一轮训练。
说出你想让机器人学会的事。
剩下的,交给 Continuum。
机器人不会只遇见理想刚体。它会踩过砂砾、抓住柔软物体、推开液体、接触布料,并在复杂碰撞与摩擦中做出决策。Continuum 以统一状态与多求解器架构,重建真实世界的连续性。
面向机械臂、轮式、足式与人形机器人,覆盖关节约束、碰撞、摩擦、驱动与复杂接触。
MPM、FEM、VBD、IPC、SPH / FLIP 等求解能力在统一接口下协同,让材料行为不再是彼此割裂的特效。
在编译器 IR 层构建自动微分,让系统辨识、控制优化、参数学习与强化学习贯穿同一条计算链。
以数据导向的 GPU 计算架构并行推进大量环境,为策略搜索、长尾覆盖和大规模合成数据提供吞吐基础。
RGB、深度、语义、实例、法线、光流与机器人状态共享同一世界坐标和时间轴,为感知与控制提供一致数据。
训练需要真值,感知需要真实。Continuum 让几何、光照、材质、传感器与神经外观共享同一权威世界,在动态交互中保持轮廓、视差、遮挡、反射与时间一致性。
Vulkan PBR 提供稳定、确定的物理底图;权威三维几何与 G-buffer 锁定空间关系;神经外观重建复杂材质、间接光、玻璃、反射与微表面。视觉更接近真实,世界仍然可以自由移动、碰撞、编辑和训练。
Continuum 以自有 DSL、统一 IR、自动微分与代码生成管线,将物理计算编译到开放的 SPIR-V / Vulkan 标准。上层世界与训练逻辑保持一致,底层针对不同芯片独立优化。
从开发者的 Mac,到 NVIDIA、AMD、Intel GPU,再到国产加速芯片与大规模集群,同一个世界、同一套任务、同一份物理真值,可以在更广阔的计算版图上流动。
同一套世界表达、物理内核、AI 编排和训练数据闭环,贯穿设计、训练、验证、合成数据与规模化部署。
为人形、四足、轮式与复合机器人构建导航、操作、协作和安全任务,让策略在部署前经历更广阔的世界。
快速复现产线、仓储、物流和人机协作环境,覆盖异常工况与低频高风险场景。
生成带物理状态、动作语义、传感器真值与成败标签的高价值 Episode,驱动感知、策略和世界模型学习。
把真实资产、任务和传感器引入可验证数字世界,通过参数辨识、随机化与回放缩短从仿真到现实的距离。
Continuum 不只模拟下一秒会发生什么。它让智能体理解为什么发生、如何改变结果,并在无数次真实约束下的行动中,形成面对现实世界的能力。
进入 Continuum