在机器人技术领域，如何让机器人在真实世界中安全、高效地运行一直是一个重大挑战。传统的机器人训练方法通常需要在真实环境中进行大量的试验和调整，这不仅成本高昂，而且存在安全风险。为了解决这个问题，研究人员提出了使用模拟环境进行训练的思路，但模拟环境与真实环境之间存在语义和物理差异，导致训练效果不佳。
为了克服这些困难，李飞飞团队提出了一种名为"数字表兄弟"（Digital Cousins）的概念，并开发了一种自动化创建数字表兄弟的方法（ACDC）。这一创新性的方法有望为机器人训练带来革命性的变化。
数字表兄弟是指一种虚拟资产或场景，它不直接模拟真实世界中的对应物，但仍然具有相似的几何和语义特性。与数字孪生（Digital Twins）不同，数字孪生是真实场景的虚拟复制品，而数字表兄弟则更加灵活，可以提供更广泛的训练场景。
通过使用数字表兄弟，研究人员可以在模拟环境中创建各种不同的训练场景，而无需为每个场景都创建一个数字孪生。这不仅大大降低了生成虚拟环境的成本，还能够提供更多样化的训练数据，从而提高机器人在真实世界中的鲁棒性和适应性。
为了实现数字表兄弟的概念，李飞飞团队开发了一种名为ACDC（Automated Creation of Digital Cousins）的方法。ACDC是一种完全自动化的流程，可以从真实世界中获取数据，生成交互式的虚拟场景，并用于训练机器人策略。
ACDC的工作流程包括以下几个步骤：
- 数据采集：从真实世界中采集场景数据，包括几何信息、语义信息等。
- 场景生成：根据采集到的数据，使用ACDC算法生成虚拟场景。这些场景不仅在几何上与真实场景相似，还具有相似的语义特性。
- 策略训练：在生成的虚拟场景中训练机器人策略。由于这些场景与真实场景相似，训练出的策略在真实世界中也能取得良好的效果。
- 零样本迁移：将训练好的策略直接部署到真实场景中，无需进一步的调整和优化。
为了验证ACDC方法的有效性，李飞飞团队进行了一系列的实验。实验结果表明，使用ACDC生成的数字表兄弟场景可以有效地保留几何和语义特性，并且可以用于训练出性能优异的机器人策略。
在零样本sim2real迁移实验中，使用ACDC训练出的策略在真实场景中取得了高达90%的成功率，而使用数字孪生训练出的策略只有25%的成功率。这一结果充分证明了ACDC方法在提高机器人鲁棒性和适应性方面的优势。
李飞飞团队提出的数字表兄弟概念和ACDC方法为机器人训练领域带来了新的思路和解决方案。通过使用数字表兄弟，研究人员可以在模拟环境中创建更多样化的训练场景，从而提高机器人在真实世界中的性能。
然而，这一方法也存在一些挑战和限制。首先，ACDC方法的自动化程度还有待提高，目前仍需要人工参与数据采集和场景生成的过程。其次，数字表兄弟的生成质量和多样性也需要进一步的研究和改进。
