仿真的域差
传统机器人仿真常依赖手工制作的 3D 场景，更新周期长，也难以覆盖真实道路、仓库或室内环境里的眩光、遮挡、杂物和传感器噪声。与此同时，机器人车队每天都在产生视频、LiDAR、IMU 与定位轨迹，这些数据过去并没有高效回流到仿真系统。
从 clip 到 sim
SuperSim 的输入不是传统资产库，而是机器人实际看到的传感片段。平台用辐射场、SLAM、SfM 与几何对齐重建场景，再用 AI 世界建模补全缺失区域、生成新视角或插入训练用 3D 对象。Radiance Fields 原文将其称为面向 Omniverse 等现有仿真栈的「clip to sim」桥梁。
这种产品形态的价值在于更新速度。原文提到多数已重建片段约 30 至 60 秒长，足以覆盖机器人需要反复测试的决策、失败和交互。它不是替代所有仿真，而是把真实世界日志变成仿真素材来源。
对 3DGS 行业的信号
2023 至 2024 年，辐射场方法主要在视觉可信度上被讨论。SuperSim 这类产品把讨论推向运营价值：能否当天从现场数据生成可用环境，能否跨传感器重渲染，能否支持自动驾驶、无人机和工业机器人持续迭代。