在机器人技术与3D生成领域，一家名为影眸Hyper3D的公司正引发广泛关注。该公司合伙人、物理AI事业部负责人Joel Wang，作为共同第一作者的论文cuNRTO，成功入围RSS 2026杰出论文奖候选名单。此次RSS共录用210篇论文，仅有8篇获得提名，其中包含国人团队创立的商业公司核心参与的成果仅有两篇，影眸Hyper3D便是其中之一。过去十几年，仅有清华大学与企业背景团队的一次合作、浙江大学以及个别中国学者参与的国际合作论文进入过该奖项候选名单，影眸的此次入围意义非凡。
影眸Hyper3D是3D生成领域的头部企业，其核心产品Hyper3D在黄仁勋今年CES演讲的官宣AI工作流中亮相，客户涵盖Lowe's、网易和字节跳动等全球知名企业，企业客户规模位居行业前列。而cuNRTO聚焦于机器人轨迹优化，旨在让机器人在风、摩擦、执行误差等干扰下，仍能快速计算出安全动作。这与影眸Hyper3D的主营业务看似相隔甚远，实则紧密相连。
以家庭场景为例，若有一台会做饭的机器人，在炒辣椒炒肉时，会面临诸多挑战。锅柄沾油易打滑，食材调料下锅后锅的重量不断变化，颠勺需快速大幅动作，且周围可能有小孩或宠物。传统规划方式假设不存在偏差，按理想厨房规划动作，但实际场景中任何一个偏差都可能引发事故。cuNRTO的鲁棒轨迹优化则不同，它会先确定所有可能的偏差范围，如锅柄最滑程度、菜重量最轻最重差值、周围人最近距离等，然后要求无论这些偏差以何种组合出现，油都不能溢出锅沿，机器人手也不能碰到人，为机器人行动提供数学上的保证。
在此之前，机器人轨迹优化面临“算得快”和“保证安全”难以兼得的困境。保证安全在数学上计算成本高昂，现实世界中的扰动对应着无数个可能世界，要对所有扰动都安全，意味着规划动作要在无穷多个可能世界中同时安全，这会导致无穷多条约束，无法逐一检查。此前虽有NRTO框架将无穷多条约束重构成有限个二阶锥规划，但求解要用内点法，本质串行，问题规模增大时计算量爆炸，只能选择快速求解但只对理想世界负责，或保证安全但计算耗时过长，两者难以兼顾。
cuNRTO的关键突破在于，将求解过程完全搬到GPU上。最初团队只是小修小补，换掉最耗时的求解环节，虽有效但本质是工程工作。后来意识到换上的中间步骤是投影方法，便将整个问题重构成单层循环，避免了数据在GPU和CPU之间传输的耗时问题。以7自由度机械臂为例，原方法算一条安全路径需1小时，cuNRTO只需100多秒，真正实现了可用性。
Joel的科研之路始于UCSD，从事task and motion planning研究，受导师Henrik Christensen启发，他意识到基于学习的方法在关键任务上难以达到高可用性，传统算法有保证但太慢，因此开始研究GPU加速。同时，影眸Hyper3D的经历也让他思考，资产Sim-Ready后，策略在真实世界的可靠性问题，这成为cuNRTO的研究方向。
Joel与影眸Hyper3D的缘分始于2021年的一次黑客松比赛，当时他本科在读，与朋友参赛获得第二名，影眸团队获得第一名。2023年初，影眸在推进数字人项目ChatAvatar时，苦于找不到靠谱的前端开发人员，Joel虽不会前端，但因朋友关系接下任务，现学现卖完成了前端开发，从此与影眸结缘。此后，他在影眸一半时间在项目组，一半时间在实验室，逐渐成为合伙人和物理AI事业部负责人。
在影眸Hyper3D，合伙人和一线研究者身份给Joel带来不同视角。纯学术环境中，常为新颖性找问题；公司里则是问题主动找上门，客户要求摆在眼前。这两个身份对他而言相互校准，合伙人身份让他知道哪些问题值得长时间研究，研究者身份让公司敢于展望未来。
在解决Sim-to-Real问题上，主流观点是让模拟器更逼真，但影眸认为模拟器与现实世界总有差距，不如让策略对模拟器的不完美有鲁棒性。影眸团队敢于走非共识路线，源于对主流路线的检验标准，即路线天花板是否达到产品可用性。例如在3D生成领域，2D升维方法虽热闹，但生成质量上限达不到生产标准，影眸便在现金流紧张时押注原生3D，推出全球首个原生3D大模型产品Hyper3D。在关键任务上，端到端学习若达不到99%以上成功率，影眸也不会放弃底线，cuNRTO正是为了守住这条线。
影眸Hyper3D过去推出的原生3D框架CLAY、场景级生成框架CAST、递归分件技术BANG和cuNRTO等工作，形成一条连贯的线。CLAY解决三维物体生成，BANG解决物体结构理解与拆解，CAST构建物体间物理关系，cuNRTO解决智能体在不确定性环境中的安全行动。这些工作在多数机构分属不同实验室，在影眸由同一团队完成。
物理AI事业部并非传统意义上的部门，它代表影眸在商业和战略上对physical AI的重视。影眸不做具身主体，但想成为具身的基础设施，提供数据和资产。目前，Hyper3D平台上的Sim-Ready功能已上线，铰链式物体生成研究即将上线，基于SIGGRAPH最佳论文的世界生成模型WorldGen也即将推出。今年7月，影眸联合地瓜机器人、谋先飞发布了“具身智能可训练仿真闭环联合解决方案”，旨在更有效地运用上游资产，为具身智能服务。
若以语言模型发展作参照，机器人在真实物理世界的可靠性目前类似GPT-2阶段，虽能力上有GPT-3的惊艳，但可靠性不足，不敢将机器人或端到端策略直接投入生产环境。语言模型靠规模和对齐提升，机器人则多一道难关，模型出错可重新开始，机器人出错是物理性的，无法撤销。因此，机器人不仅需要规模，还需要给下限兜底的东西，即对不确定性的分寸感，先思考再行动。
影眸Hyper3D的研究立项自由，遵循“谁提出，谁论证”原则，只要认准方向，资源就会集中支持。公司团队以博士为主，也有本科生带领前沿方向。招人时，影眸更看重成长潜力，而非加入前的科研成果，因为大部分人才是在公司“成长”起来的。在如今AI降低执行成本的情况下，履历和标签重要性降低，个人的品味和直觉更为关键，选择解决什么问题、认为什么工作有意义变得前所未有的重要。
对于论文奖项，影眸Hyper3D持平常心。公司是业内唯一连续多年获得SIGGRAPH最佳论文及提名的商业公司，今年SIGGRAPH又被接收6篇论文。奖项是选对问题的结果，而非目标，让用户用起来才是真正的KPI。影眸科研成果的产品转化率达70%，因为研究问题多从生产一线产生，选对问题源头，商业化转化便是自然结果。
聪明人选择影眸Hyper3D并留下的原因，在于能和一群聪明且没有架子的人共事。在影眸，意见分歧时可放心争吵，观点交锋与私人关系分开，这种安全感十分珍贵。影眸给予研究者问题定义权，70%的成果能变成产品，获得用户正反馈，且核心研究者参与公司决策，并非单纯执行。对于未走通的研究，影眸认为只要把真问题往前推了一小步，即使结论是此路不通，也是成功的，失败的研究是在为成功方案排雷，敢选难题、可能试错的人是公司想留住的。
年轻为影眸团队带来过麻烦，也带来过机遇。2020年，第一代穹顶光场做数字人扫描时，因不了解影视工业标准，材质、坐标系不匹配，做出来的东西无人买单。但年轻也让他们敢于尝试，如当年押注原生3D，虽不被懂行的人看好，但最终取得成功。如今，影眸团队一方面补掉不了解规则的无知，另一方面保护对未知探索的无知，让有想法的人都能提出方向。
对于cuNRTO，Joel认为三年后对行业而言，它可能成为具身领域的基础组件之一；对影眸Hyper3D来说，它可能是公司从生成世界走向让智能体在世界里行动的转折点。生成世界是复刻完美世界，让智能体行动则需接受现实的不完美，生成看似合理的宇宙，让策略在其中都能存活，确保在现实世界自动迁移。从CLAY到cuNRTO，影眸Hyper3D的研究版图不断生长，24岁的Joel和众多年轻成员在这家公司从本科生成长为研究者、创业者，未来这张版图或许还将继续拓展。
