让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI

智东西 2026-09-24 14:11

让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图1

成立三个月拿下RoboDojo榜一。
作者 |  许丽思
编辑 |  漠影
智东西9月24日报道，物理智能公司Simate硅基伙伴，刚刚交出了一份成立三个月以来的亮眼技术答卷。
据Simate披露，其利用AI自动研究系统AutoResearch参与研发的通用物理快系统模型，已登顶物理AI智能评测榜单RoboDojo，并通过真机展示了复杂长程任务执行、记忆、高精度操作等能力。
让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图2
这家公司已完成累计数亿元融资，核心团队汇集了自动驾驶端到端量产、世界模型及人形机器人控制等领域的技术人才。
在技术路线选择上，Simate将目光投向了一个近期备受关注的研究方向：让AI参与下一代AI的研发。
就在前几天，Anthropic披露，截至2026年8月，Claude已经能够在人类监督下“主导”约26%的AI研发工作。
Simate正在做的，就是将类似的研发范式引入物理世界，让AI参与研发下一代机器人智能。最近，该公司官网也已正式上线。
让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图3
该公司提出了Physical RSI（物理智能的递归自我改进）路线，尝试将模型研发、数据处理、实验评测及真实机器人部署连接起来，让AI Agent承担更多科研工作，并利用每一轮研究积累的经验，持续改进模型与研究方法。

01.
一线自动驾驶公司技术负责人创业，
集结世界模型、真机控制领域核心人才


Simate创始人张颖，此前在行业某一线自动驾驶公司，如今，他将这些技术与工程经验带入物理智能领域，探索以Physical RSI推动机器人智能的持续迭代。
自动驾驶与物理智能有着相似的技术需求：智能系统都需要感知真实环境、作出决策，并根据外界变化持续调整行动。
但机器人面对的任务更加多样。以抓取为例，物体的形状、材质、摆放位置发生变化，都可能影响机器人的执行效果，对物理世界理解、精细运动控制等能力提出了新的要求。
要将Physical RSI进一步推进至真实机器人能力的持续迭代，Simate还需要补充世界模型、机器人控制等领域的技术能力。
为此，Simate集结了来自学术界和产业界的研究人员。
其中，占方能是香港科技大学助理教授、World Mind Lab负责人，研究涉及世界模型、三维感知及物理AI，曾在SIGGRAPH、CVPR、ICCV、TPAMI等学术会议和期刊发表超过50篇论文。
团队另一位核心成员是00后青年科学家季马泽宇，毕业于加州大学圣地亚哥分校，研究方向覆盖三维感知、灵巧操作及人形机器人全身控制，曾参与通用人形控制器的真机验证工作。
季马泽宇还曾任硅谷物理AI公司Assured Robot Intelligence（ARI）创始成员，该公司后被Meta收购。
总的来看，这个团队就形成从基础模型认知、工程化到物理真机落地的完整闭环，支撑Simate的Physical RSI技术路线。

02.
让AI研究机器人，
成立数月拿下RoboDojo评测榜一


最近，Simate披露，其通过AutoResearch自动研究系统，以人机共驾的弱RSI范式开展物理智能模型研发，旗下通用物理快系统模型在RoboDojo评测榜单取得第一名。
RoboDojo是一个面向通用机器人操作能力的评测基准，涵盖泛化、记忆、精细操作、长程任务执行及开放任务等不同维度，能够从多个角度观察模型的综合操作能力。
Simate通过真机演示，展示了模型利用历史信息连续执行、保留历史观测，执行“泡茶”这一连续多步骤任务的能力。
让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图4
让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图5
在长程任务中，机器人需要记住已经完成的步骤、当前任务进展，并根据环境变化决定下一步动作。
如果只依靠当前画面，模型可能无法获得完成后续操作所需的全部信息；如果持续累积历史观测，又会增加实时计算负担。
为此，Simate在通用物理快系统中引入了4D物理感知与记忆机制。
模型通过处理深度、几何、运动及接触关系等信息理解物理环境，同时围绕任务进展、连续状态追踪和即时变化反馈组织历史信息，探索长程任务一致性与实时反应之间的平衡。
让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图6
为了让更大规模的模型服务于端侧实时操作，该公司还探索了高效视觉编码、时空建模和特征压缩等技术。
按照规划，这套物理快系统未来还将与通用推理慢系统协同，向零样本、少样本的通用操作推进。具体模型规模及架构仍有待后续技术报告公布。
这些模型成果背后，还有一个值得关注的变化：Simate尝试让AI Agent承担更多机器人模型研发工作。
过去，研究人员需要反复修改模型、调整数据、训练评测，再根据结果寻找新的优化方向。Simate开发的AutoResearch，尝试将这些环节连接起来，让Agent承担更多科研执行工作。
让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图7
从AutoResearch的界面来看，这套系统已经不只是简单的实验脚本集合。画面中既出现了“From Experiments to One Policy”的流程看板，也展示了跨场景评测结果页面，用来管理不同实验分支、追踪评测表现，并将多轮实验逐步汇聚成更稳定的策略。
让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图8
根据研究目标与约束，Agent可以读取模型代码、训练配置及历史实验记录，通过SiPAI修改组件与配置，调用基础设施完成训练和评测，再根据结果决定继续、调整或停止实验，并将新发现纳入下一轮研究。
通过这种方式，Simate尝试提高科研执行的自动化程度，让研究人员将更多精力投入假设判断和关键技术决策。其阶段性成果也为AI Agent在人类指导下参与物理智能研究，提供了初步的工程验证。
据该公司介绍，AutoResearch目前已对外开放试用，并已有清华、MIT、香港科技大学等高校研究人员使用。

03.
押注Physical RSI，
让机器人智能持续自我进化


如果AI能够修改模型、执行实验，并根据结果调整下一轮研究，那么再往前走一步，它能否自主发现问题，甚至改进自己的研究方法？
这正是Simate探索Physical RSI的核心思路。
RSI全称Recursive Self-Improvement，即递归自我改进，关注智能系统如何利用已有能力改进自身，并让这些改进进一步提升下一轮的研究与学习能力。
围绕不同研究问题，Simate将RSI研究任务划分为弱、中、强三类。
弱RSI：主要面向边界明确、反馈周期较短的问题，比如实现一个函数、修改数据处理逻辑，或在固定约束下优化一段计算，自主完成修改、测试与反馈。
中RSI：面向需要多阶段规划的人机协同研究，类似改善模型记忆、寻找数据配比，Agent 承担上下文整理、实现与实验推进，研究员参与假设筛选、矛盾结果解释与关键取舍。
强RSI：系统面对宽泛目标，例如提升新任务泛化，需要持续理解目标本质、发现值得研究的问题，并在较长时间内保持方向、修正路径；这目前仍需要资深研究人员主导。
Simate强调，这三类划分主要用于区分研究问题的类型，可以同时存在于一项研发工作中。其长期目标，是逐步减少人类参与，让模型、工具与研究方法的改进持续增强下一轮研究能力。
从弱RSI走向强RSI，关键挑战在于Agent能否从执行既定实验，进一步发展出自主发现问题、提出有效假设和判断研究方向的能力，这也构成了自动化科研与更高自主程度科研之间的重要区别。
让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图9
对此，Simate搭建了一套覆盖模型框架、数据处理、自动化研究与真实部署的技术体系，为Physical RSI的持续迭代提供支撑。
首先是SiPAI可插拔模型框架，通过清晰的模块边界、接口及验证流程，让Agent能够理解模型结构、定位需要修改的组件，并在完成改动后执行统一的训练与评测。
SiPAI采用可插拔设计，支持已接入的世界模型、世界动作模型、视觉语言动作模型（VLA）及视觉语言模型（VLM）等架构。
例如，当研究目标是改善模型记忆机制时，Agent可以围绕相关组件开展修改；当问题涉及数据配比时，则可以调整训练配置。
在此基础上，团队探索可迁移的感知与动作表征，推动模型形成新任务适应、技能组合及意外恢复等能力。
但机器人模型的能力提升，最终仍需要经过实际操作验证。
真实物理交互往往需要更复杂的实验条件，也对科研反馈的速度和可靠性提出了新的要求。
为此，Simate利用世界模型与仿真环境提供较快的实验反馈，再通过真实机器人执行检验模型表现，将实际操作中的失败案例重新纳入研究过程。
同时，AutoResearch通过模型与数据实验验证假设，利用评测结果识别能力瓶颈，推动下一轮数据采集与模型训练，形成持续迭代的研究闭环。
让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图10

04.
结语：AI驱动机器人进化，
物理智能规模化落地加速


当数据、模型和算力持续Scaling，研究过程本身能否也实现Scaling？Simate正在通过Physical RSI探索这一新的可能。
以AutoResearch为切入点，Simate尝试让AI Agent参与模型研发、实验与评测，并将真实机器人运行中的反馈转化为下一轮研究的依据。据了解， AutoResearch 科研平台已经开启内测招募。
随着Physical RSI技术路线逐步成熟，机器人有望以更低的研发和部署成本适应更多任务与场景，为物理智能规模化落地探索一条新的路径。
让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图11
让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图12
让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图13
让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图14
让AI研发下一代机器人！成立三个月登顶物理AI评测榜单，押注Physical RSI图15
关于科技区角：国内科技展会垂直内容策划服务商，提供从论坛内容全案策划、会展市场化IP打造到精准专业观众一站式邀约服务，以产业内容吸引高质量B端人群，打通展会从议题设计、演讲嘉宾邀约、宣传预热、精准邀观到供需对接全链路。
声明：内容取材于网络，仅代表作者观点，如有内容违规问题，请联系处理。
AI IC 机器人
more
验证AI赋能智能体工程落地！芯华章携手近二十家“Token工厂”龙头共建国产 AI 生态闭环
芯华章科技 11小时前
验证AI赋能智能体工程落地！芯华章携手近二十家“Token工厂”龙头共建国产 AI 生态闭环
Meta发布无摄像头AI眼镜，试图洗刷“偷拍”污名
科技区角 7小时前
Meta发布无摄像头AI眼镜，试图洗刷“偷拍”污名
AI硬件的下一场仗：少说话，多办事
虎嗅APP 7小时前
AI硬件的下一场仗：少说话，多办事
AI真正的“硬仗”，是对增长负责
智能涌现 13小时前
AI真正的“硬仗”，是对增长负责
南网数字亮相中国—东盟博览会 AI赋能能源数智金融新范式
OpenAtom openEuler 12小时前
南网数字亮相中国—东盟博览会 AI赋能能源数智金融新范式
世界人工智能开源大赛（GOAI）总决赛暨颁奖盛典在杭州举行
Xbotics具身智能实验室 11小时前
世界人工智能开源大赛（GOAI）总决赛暨颁奖盛典在杭州举行
三星LPDDR6完成高通平台验证，端侧AI存储竞争升温
半导体产业研究 13小时前
三星LPDDR6完成高通平台验证，端侧AI存储竞争升温
第二代乐奇Rokid AI眼镜上手：颜值更高，佩戴「轻感」十足超舒服
雷科技 10小时前
第二代乐奇Rokid AI眼镜上手：颜值更高，佩戴「轻感」十足超舒服
智能终端变成token工厂，这家公司要让AI真正被深度使用
机器之心 15小时前
智能终端变成token工厂，这家公司要让AI真正被深度使用
通用汽车高管月度AI排名战：财务团队暂居中游，90%代码由AI生成
科技区角 11小时前
通用汽车高管月度AI排名战：财务团队暂居中游，90%代码由AI生成
Copyright © 2025-成都区角科技有限公司
蜀ICP备2025143415号-1
  
川公网安备51015602001305号