北京,11月14日 /PRNewswire/ -- 如果说中国制造机器人的全球扩张定义了具身AI竞赛上半场的硬件热潮,那么下半场将由那些能够降低真实世界试错成本、让机器人训练更普及、更易获得的技术取胜。在这场长期由西方玩家主导的底层物理引擎竞赛中,一支中国团队正带来一个潜在的“颠覆性”产品。
近日,中国公司 Motphys 受邀参加 CoRL 2026,并展示了其完全自主研发的具身智能仿真引擎 MotrixSim 1.0。在与国际领先物理引擎的极限基准测试中,MotrixSim 1.0 展现出突出能力:在接触与抓取测试中压倒成熟开源引擎,并在训练效率上大幅超越主流 GPU 加速仿真平台。
过去,仿真主要用于设计阶段末尾的纠错验证。但在具身AI时代,AI 需要大量交互经验。
Motphys 联合创始人兼 CTO 张恒表示:“仿真曾经用于验证机器如何表现。现在,它是机器学习如何表现的地方。”他称,仿真已经从“设计后验证工具”演变为“物理经验生产系统”。为支撑这一系统,Motphys 完全自主构建物理引擎,从零开始使用 Rust 开发核心,而不是基于现有开源引擎构建。这使 MotrixSim 1.0 具备较强的内存安全性和计算能力,能够在底层架构层面与国际成熟玩家竞争。
真正的技术实力要通过极限测试来证明。
在一项“魔鬼级”的抗扰动抓取测试中,Franka 机械臂抓取不同形状物体,MotrixSim 1.0 是唯一在 2 毫秒和 10 毫秒仿真步长下都实现 100% 通过率的引擎。在微观临界摩擦点测试中,MotrixSim 在临界摩擦附近表现出符合库仑定律的粘滑行为,滑移距离为 0 毫米。
在算力和训练效率方面,凭借支持 CPU/GPU 并行计算的独特流程,MotrixSim 可在 4,096 个并行环境中实现每秒数百万次物理步的仿真吞吐量。在针对 G1 全身跟踪任务进行的对照比较中,在相同任务环境配置和相同强化学习算法下,MotrixSim 达到当前跟踪分数的端到端时间约为 10.2 分钟,而基于 Isaac Sim 的方案需要 130.8 分钟,差距约为 12.8 倍。
此外,在拥有 92 个连杆的 Strandbeest 复杂闭环机构上,当传统引擎在 5 毫秒的大时间步下无法维持机构稳定时,MotrixSim 通过在广义坐标下联合求解闭环约束和多体动力学,使该机构在运动过程中保持装配关系。
除了极端物理条件和算力表现外,MotrixSim 1.0 在多模态感知和开发者体验方面也取得突破:激光雷达仿真吞吐量达到每秒 1.24 亿条光线;即便分辨率提升 16 倍,视觉合成仍能保持稳定吞吐量。在开发者体验和工业部署方面,MotrixSim 1.0 通过单行代码高速求解(成功率 98.42%)以及“零转换 + AI 自动建模”流程简化开发。Forge 也作为业内首个基于 Blender 的扩展工具推出,可让 AI Agents 自动生成物理场景。
张恒强调,Physical AI 的核心主张,是把昂贵且缓慢的“真实世界物理经验”转化为可规模化生成的数字学习资源。
Motphys 表示,其相关研究已被 RSS 和 CoRL 等国际顶级会议接收,公司还在中国建立了一个面向具身AI的仿真与真机训练中心。目前,全球领先的物理引擎主要包括 Google 的 MuJoCo 和 NVIDIA 的 Isaac Sim。

