加利福尼亞州聖何塞2026年3月20日 /美通社/ — 在全球頗具影響力的人工智能與加速計算盛會 NVIDIA GTC 2026 上，空間智能公司其域創新（XGRIDS）亮相大會，系統展示 Real2Sim（Real World to Simulation）解決方案，闡述如何通過世界模型能力，支撐AI仿真訓練與規模化應用。
大會期間，其域創新的空間智能方案進行了現場演講，並在 NVIDIA Robotics 以及亞馬遜雲科技（AWS）展台聯合展示。XGRIDS 的空間智能解決方案現已支持 NVIDIA OmniverseNuRec用於基於OpenUSD的渲染，並在多個GTC展會上亮相：包括StartupPitch期間的專題演講、 NVIDIA 機器人演示環節中的解決方案展示，以及與亞馬遜AWS聯合舉辦的演示活動。
現場演講分享：面向 Physical AI 的 Real2Sim 路徑
大會期間，其域創新海外市場銷售總監Sunny Liao發表現場演講，介紹公司的Real2Sim解決方案，重點圍繞一個問題展開：當智能體要在現實世界中運行，訓練環境如何盡可能接近真實世界？
其域創新給出的答案，是一條以真實世界數據驅動的 Real2Sim路徑：通過多模態空間感知與高保真三維重建，將現實場景快速轉化為真實可信的世界模型，用於仿真訓練。
與傳統依賴人工建模構建訓練環境的方式相比，這一路徑顯著降低了高擬真場景的構建成本，也使訓練環境能夠隨著現實世界變化而持續更新，更貼近真實部署條件。
更關鍵的是，能夠進入 Isaac Sim 官方工作流，意味著其域創新生成的空間數據在結構一致性、物理合理性與工程穩定性上，已經滿足Physical AI訓練系統的要求。
這一點在 GTC 現場獲得了廣泛關注。多位開發者與生態夥伴在會後交流中表示，這種基於真實空間生成仿真環境的方式，為機器人訓練與系統驗證提供了更具現實意義的路徑。
多展台集中呈現：空間智能賦能具身智能
除現場演講外，其域創新的空間智能方案還在 NVIDIA GTC 2026 現場多個展示區域同步亮相。
在 NVIDIA 展台的 Robotics session 中，其域創新集中展示了面向具身智能系統的解決方案。
其域創新將空間感知與建模系統部署於四足機器人平台，對機器人所處環境進行持續建模與理解。
機器人不再僅依賴局部傳感器進行即時避障，而是基於三維空間結構進行路徑規劃、行為決策與任務執行。這種對環境的全局理解能力，正成為支撐智能決策與系統持續演進的重要基礎。
與此同時，其域創新在 亞馬遜雲科技（AWS）呈現 Real2Sim 方案，從系統層面展示真實空間數據如何進入智能訓練流程，形成從環境採集、世界模型構建到仿真訓練的完整閉環。
在 GTC 現場，其域創新的方案呈現吸引了大量開發者與觀眾駐足交流。與會者普遍關注的，不僅是三維重建本身，而是其在 Physical AI 訓練體系中的角色轉變——從「工具」走向「智能體訓練的基礎平台能力」。
通過空間智能平台，將真實世界轉化為 AI 可理解、可推理、可訓練的世界模型，正是其域創新長期聚焦的方向——構建連接真實世界與智能系統的空間智能基礎能力。
在 GTC 這一全球 AI 技術舞台上的集中呈現，意味著這一技術路徑正在進入國際主流生態視野。
其域創新將持續推進空間智能在科研與產業中的規模化應用，推動智能體在真實環境中的訓練、部署與演化，加速 AI 走向「物理世界」。
媒體聯繫：
XGRIDS
[email protected]
加利福尼亞州聖何塞2026年3月20日 /美通社/ — 在全球頗具影響力的人工智能與加速計算盛會 NVIDIA GTC 2026 上，空間智能公司其域創新（XGRIDS）亮相大會，系統展示 Real2Sim（Real World to Simulation）解決方案，闡述如何通過世界模型能力，支撐AI仿真訓練與規模化應用。
大會期間，其域創新的空間智能方案進行了現場演講，並在 NVIDIA Robotics 以及亞馬遜雲科技（AWS）展台聯合展示。XGRIDS 的空間智能解決方案現已支持 NVIDIA OmniverseNuRec用於基於OpenUSD的渲染，並在多個GTC展會上亮相：包括StartupPitch期間的專題演講、 NVIDIA 機器人演示環節中的解決方案展示，以及與亞馬遜AWS聯合舉辦的演示活動。
現場演講分享：面向 Physical AI 的 Real2Sim 路徑
大會期間，其域創新海外市場銷售總監Sunny Liao發表現場演講，介紹公司的Real2Sim解決方案，重點圍繞一個問題展開：當智能體要在現實世界中運行，訓練環境如何盡可能接近真實世界？
其域創新給出的答案，是一條以真實世界數據驅動的 Real2Sim路徑：通過多模態空間感知與高保真三維重建，將現實場景快速轉化為真實可信的世界模型，用於仿真訓練。
與傳統依賴人工建模構建訓練環境的方式相比，這一路徑顯著降低了高擬真場景的構建成本，也使訓練環境能夠隨著現實世界變化而持續更新，更貼近真實部署條件。
更關鍵的是，能夠進入 Isaac Sim 官方工作流，意味著其域創新生成的空間數據在結構一致性、物理合理性與工程穩定性上，已經滿足Physical AI訓練系統的要求。
這一點在 GTC 現場獲得了廣泛關注。多位開發者與生態夥伴在會後交流中表示，這種基於真實空間生成仿真環境的方式，為機器人訓練與系統驗證提供了更具現實意義的路徑。
多展台集中呈現：空間智能賦能具身智能
除現場演講外，其域創新的空間智能方案還在 NVIDIA GTC 2026 現場多個展示區域同步亮相。
在 NVIDIA 展台的 Robotics session 中，其域創新集中展示了面向具身智能系統的解決方案。
其域創新將空間感知與建模系統部署於四足機器人平台，對機器人所處環境進行持續建模與理解。
機器人不再僅依賴局部傳感器進行即時避障，而是基於三維空間結構進行路徑規劃、行為決策與任務執行。這種對環境的全局理解能力，正成為支撐智能決策與系統持續演進的重要基礎。
與此同時，其域創新在 亞馬遜雲科技（AWS）呈現 Real2Sim 方案，從系統層面展示真實空間數據如何進入智能訓練流程，形成從環境採集、世界模型構建到仿真訓練的完整閉環。
在 GTC 現場，其域創新的方案呈現吸引了大量開發者與觀眾駐足交流。與會者普遍關注的，不僅是三維重建本身，而是其在 Physical AI 訓練體系中的角色轉變——從「工具」走向「智能體訓練的基礎平台能力」。
通過空間智能平台，將真實世界轉化為 AI 可理解、可推理、可訓練的世界模型，正是其域創新長期聚焦的方向——構建連接真實世界與智能系統的空間智能基礎能力。
在 GTC 這一全球 AI 技術舞台上的集中呈現，意味著這一技術路徑正在進入國際主流生態視野。
其域創新將持續推進空間智能在科研與產業中的規模化應用，推動智能體在真實環境中的訓練、部署與演化，加速 AI 走向「物理世界」。
媒體聯繫：
XGRIDS
[email protected]
加利福尼亞州聖何塞2026年3月20日 /美通社/ — 在全球頗具影響力的人工智能與加速計算盛會 NVIDIA GTC 2026 上，空間智能公司其域創新（XGRIDS）亮相大會，系統展示 Real2Sim（Real World to Simulation）解決方案，闡述如何通過世界模型能力，支撐AI仿真訓練與規模化應用。
大會期間，其域創新的空間智能方案進行了現場演講，並在 NVIDIA Robotics 以及亞馬遜雲科技（AWS）展台聯合展示。XGRIDS 的空間智能解決方案現已支持 NVIDIA OmniverseNuRec用於基於OpenUSD的渲染，並在多個GTC展會上亮相：包括StartupPitch期間的專題演講、 NVIDIA 機器人演示環節中的解決方案展示，以及與亞馬遜AWS聯合舉辦的演示活動。
現場演講分享：面向 Physical AI 的 Real2Sim 路徑
大會期間，其域創新海外市場銷售總監Sunny Liao發表現場演講，介紹公司的Real2Sim解決方案，重點圍繞一個問題展開：當智能體要在現實世界中運行，訓練環境如何盡可能接近真實世界？
其域創新給出的答案，是一條以真實世界數據驅動的 Real2Sim路徑：通過多模態空間感知與高保真三維重建，將現實場景快速轉化為真實可信的世界模型，用於仿真訓練。
與傳統依賴人工建模構建訓練環境的方式相比，這一路徑顯著降低了高擬真場景的構建成本，也使訓練環境能夠隨著現實世界變化而持續更新，更貼近真實部署條件。
更關鍵的是，能夠進入 Isaac Sim 官方工作流，意味著其域創新生成的空間數據在結構一致性、物理合理性與工程穩定性上，已經滿足Physical AI訓練系統的要求。
這一點在 GTC 現場獲得了廣泛關注。多位開發者與生態夥伴在會後交流中表示，這種基於真實空間生成仿真環境的方式，為機器人訓練與系統驗證提供了更具現實意義的路徑。
多展台集中呈現：空間智能賦能具身智能
除現場演講外，其域創新的空間智能方案還在 NVIDIA GTC 2026 現場多個展示區域同步亮相。
在 NVIDIA 展台的 Robotics session 中，其域創新集中展示了面向具身智能系統的解決方案。
其域創新將空間感知與建模系統部署於四足機器人平台，對機器人所處環境進行持續建模與理解。
機器人不再僅依賴局部傳感器進行即時避障，而是基於三維空間結構進行路徑規劃、行為決策與任務執行。這種對環境的全局理解能力，正成為支撐智能決策與系統持續演進的重要基礎。
與此同時，其域創新在 亞馬遜雲科技（AWS）呈現 Real2Sim 方案，從系統層面展示真實空間數據如何進入智能訓練流程，形成從環境採集、世界模型構建到仿真訓練的完整閉環。
在 GTC 現場，其域創新的方案呈現吸引了大量開發者與觀眾駐足交流。與會者普遍關注的，不僅是三維重建本身，而是其在 Physical AI 訓練體系中的角色轉變——從「工具」走向「智能體訓練的基礎平台能力」。
通過空間智能平台，將真實世界轉化為 AI 可理解、可推理、可訓練的世界模型，正是其域創新長期聚焦的方向——構建連接真實世界與智能系統的空間智能基礎能力。
在 GTC 這一全球 AI 技術舞台上的集中呈現，意味著這一技術路徑正在進入國際主流生態視野。
其域創新將持續推進空間智能在科研與產業中的規模化應用，推動智能體在真實環境中的訓練、部署與演化，加速 AI 走向「物理世界」。
媒體聯繫：
XGRIDS
[email protected]
加利福尼亞州聖何塞2026年3月20日 /美通社/ — 在全球頗具影響力的人工智能與加速計算盛會 NVIDIA GTC 2026 上，空間智能公司其域創新（XGRIDS）亮相大會，系統展示 Real2Sim（Real World to Simulation）解決方案，闡述如何通過世界模型能力，支撐AI仿真訓練與規模化應用。
大會期間，其域創新的空間智能方案進行了現場演講，並在 NVIDIA Robotics 以及亞馬遜雲科技（AWS）展台聯合展示。XGRIDS 的空間智能解決方案現已支持 NVIDIA OmniverseNuRec用於基於OpenUSD的渲染，並在多個GTC展會上亮相：包括StartupPitch期間的專題演講、 NVIDIA 機器人演示環節中的解決方案展示，以及與亞馬遜AWS聯合舉辦的演示活動。
現場演講分享：面向 Physical AI 的 Real2Sim 路徑
大會期間，其域創新海外市場銷售總監Sunny Liao發表現場演講，介紹公司的Real2Sim解決方案，重點圍繞一個問題展開：當智能體要在現實世界中運行，訓練環境如何盡可能接近真實世界？
其域創新給出的答案，是一條以真實世界數據驅動的 Real2Sim路徑：通過多模態空間感知與高保真三維重建，將現實場景快速轉化為真實可信的世界模型，用於仿真訓練。
與傳統依賴人工建模構建訓練環境的方式相比，這一路徑顯著降低了高擬真場景的構建成本，也使訓練環境能夠隨著現實世界變化而持續更新，更貼近真實部署條件。
更關鍵的是，能夠進入 Isaac Sim 官方工作流，意味著其域創新生成的空間數據在結構一致性、物理合理性與工程穩定性上，已經滿足Physical AI訓練系統的要求。
這一點在 GTC 現場獲得了廣泛關注。多位開發者與生態夥伴在會後交流中表示，這種基於真實空間生成仿真環境的方式，為機器人訓練與系統驗證提供了更具現實意義的路徑。
多展台集中呈現：空間智能賦能具身智能
除現場演講外，其域創新的空間智能方案還在 NVIDIA GTC 2026 現場多個展示區域同步亮相。
在 NVIDIA 展台的 Robotics session 中，其域創新集中展示了面向具身智能系統的解決方案。
其域創新將空間感知與建模系統部署於四足機器人平台，對機器人所處環境進行持續建模與理解。
機器人不再僅依賴局部傳感器進行即時避障，而是基於三維空間結構進行路徑規劃、行為決策與任務執行。這種對環境的全局理解能力，正成為支撐智能決策與系統持續演進的重要基礎。
與此同時，其域創新在 亞馬遜雲科技（AWS）呈現 Real2Sim 方案，從系統層面展示真實空間數據如何進入智能訓練流程，形成從環境採集、世界模型構建到仿真訓練的完整閉環。
在 GTC 現場，其域創新的方案呈現吸引了大量開發者與觀眾駐足交流。與會者普遍關注的，不僅是三維重建本身，而是其在 Physical AI 訓練體系中的角色轉變——從「工具」走向「智能體訓練的基礎平台能力」。
通過空間智能平台，將真實世界轉化為 AI 可理解、可推理、可訓練的世界模型，正是其域創新長期聚焦的方向——構建連接真實世界與智能系統的空間智能基礎能力。
在 GTC 這一全球 AI 技術舞台上的集中呈現，意味著這一技術路徑正在進入國際主流生態視野。
其域創新將持續推進空間智能在科研與產業中的規模化應用，推動智能體在真實環境中的訓練、部署與演化，加速 AI 走向「物理世界」。
媒體聯繫：
XGRIDS
[email protected]
