新一代物理仿真引擎 MotrixSim 1.0 近日由谋先飞(Motphys)全栈自研推出,并先后在 CoRL 2026、GLOSIM 2026 与 COSCon'2026 三大国际会议上正式发布。技术报告显示,在系列极限测试中,该引擎于精度与效率等核心指标上,取得了超越国际同行的表现。
破局物理AI三大难题
随着大语言模型将互联网文本红利开发至极致,承载人类更多期待的物理AI,正加速走向真实世界。然而,物理AI的爆发撞上了一堵现实的墙:采集真实世界数据训练太慢、太贵且难以规模化,而现有仿真器在精度与效率上存在明显短板。
谋先飞(Motphys)从底层求解器开始自研,瞄准三大方向实现突破,为了打造物理AI自进化的环境。
其一,极致精准,重构物理真实。 将真实世界的物理参数1:1复刻,通过精细接触、复杂几何与多体动力学求解,结合多模态传感器与高保真渲染,为机器打造一个既能“看清”又能“摸准”的平行世界。其二,极致并发,重塑算力边界。 通过独创的 CPU/GPU 异构架构与突破百万级并发的统一约束链,在保证极高物理精度的同时,将训练规模呈指数级放大。论文数据显示,在 4096 并发环境下跑出数百万物理步/秒,让 G1 人形机器人的端到端训练仅需 10.2分钟(传统方案130.8分钟),效率跃升 12.8 倍。

在4096个并行环境下的物理步进吞吐测试(图源:MotrixSim1.0技术报告)

G1 多环境粗糙地形仿真演示:4096 个大规模并行环境吞吐,百万级物理步/秒(图源:Motphys官网)
其三,极致全维,重连多维感知。 融合视觉、几何与触觉感知,打通环境观测与行为反馈的闭环,彻底解决“机器人认知盲区”。
值得一提的是,区别于极度依赖高端显卡的重资产路线,MotrixSim 核心采用 Rust 语言开发,引擎深度兼容Kunpeng(鲲鹏)、Iluvatar CoreX(天数智芯),以及 NVIDIA、AMD、Apple 等多元算力生态,大幅降低了具身智能的硬件门槛。
挑战多项高难度测试
根据最新发布的技术报告,MotrixSim 1.0 在底层架构、物理交互、真实感渲染、多模态反馈、多样性生成及大规模并行等六个核心维度,完成了十项高难度的极限压力测试,各项指标均达到行业领先水平。
在底层架构上,MotrixSim 抛弃先独立算,再打补丁的模式,在底层架构上,用广义坐标下的整体求解,还原最真实的机械联动。

广义坐标下的多体系统整体求解示意(图源:MotrixSim1.0技术报告)
在可信物理交互中,MotrixSim对精密接触、稳定传动、触觉感知进行测试。100% 抓取通过率:MotrixSim 在 Franka 机械臂测试中,是全场唯一在多种形状与大步长下保持稳定的引擎,摩擦临界点实现 0mm 滑移。12条腿行走:面对复杂的 Strandbeest (仿生兽)92 个连杆、 36 个闭合运动环路压力测试,当传统引擎在 5ms 大步长下崩溃发散时,MotrixSim 依然稳如泰山,展现出了极高的鲁棒性。

灵巧手抓取苹果柄:不规则曲面参与多指接触,展示SDF 对局部几何细节的保留(图源:MotrixSim1.0技术报告)

挑战 Strandbeest(仿生兽)多足闭链行走,展现出了极高的鲁棒性
多模态反馈测试中,MotrixSim对接触力、相机与激光雷达等观测以统一界面输出,直接进入策略学习的观测空间。1.24 亿射线/秒:MotrixSim 的激光雷达仿真总吞吐最高可达约 1.24 亿射线/秒。在 AMD Ryzen 9 9950X 的 CPU 路径、32 线程配置下,64 个并行环境各搭载一个 1024×64 LiDAR,支持高密度点云的批量生成。

Go2 激光雷达仿真演示(图源:MotrixSim1.0技术报告)
物理仿真决定机器的动作,渲染决定机器的视觉输入。如果渲染出的画面与物理规律脱节,AI学到的将是错觉。MotrixSim通过三大渲染技术(PBR、3DGS混合渲染、BatchRender),解决视觉策略训练中“保真度”与“吞吐量”的双重挑战。
在强化学习高度依赖海量交互的背景下,并行吞吐与异构设备仿真的核心价值,最终体现在训练闭环的完成时间上。在 G1 全身跟踪任务的对比测试中(采用相同的环境配置、FastSAC 算法及超参数),MotrixLab(基于 MotrixSim 后端)达到目标得分的端到端时间仅需 10.2 分钟;而参考方案 Holosoma(基于 Isaac Sim 后端)则耗时 130.8 分钟,两者效率相差约 12.8 倍。此外,在汽车动力学仿真测试中,MotrixSim 透过轮胎统一约束求解,在 1024 并发下稳定输出 1.7 万步/秒的吞吐量。

端到端效率提升12.8倍(图源:MotrixSim1.0技术报告)
Motphys用Real2Sim2Real 的技术路径全栈自研 MotrixSim 物理仿真引擎,并向上构建了 MotrixLab 训练平台、MotrixGen 数据生成管线,同时打造了 SimReady 资产体系,形成了唯一覆盖“资产-仿真—训练—部署”的全链路通用仿真训练的国产化平台。
据了解,Motphys系国家级高新技术企业、北京市“专精特新”企业,相关学术成果已入选机器人顶会 RSS 2026与 CoRL 2026。技术应用覆盖了人形、四足、灵巧手等产品形态,2026 年拓展至智能驾驶、工程机械等泛物理 AI 领域,并实现了商业化验证。长期以来,全球仿真器市场主要由 NVIDIA 的 Isaac Sim 与 Google 的 MuJoCo 两大阵营主导,谋先飞的突围正为这一格局带来新的变量。
