北大MXI团队登顶RoboColiseum：MXI-SimWorld综合得分0.9656

大模型走进物理世界之后，机器人怎么听懂指令、感知环境并完成操作，成了具身智能绕不开的题目。

11月11日，RoboColiseum 官方公布新一期周榜。榜单显示，截至2026年11月11日中午 12:00，北京大学数学科学学院杨超教授领衔的壹零壹壹公司旗下 MXI 团队，以物理 AI 框架 MXI-SimWorld v0 Preview 取得 0.9656 的综合得分，位列 RoboColiseum 具身智能评测总榜第一。

四个子榜分开看，MXI-SimWorld v0 Preview 也没有明显弱项：空间理解、通用操作排第一，指令跟随、扰动适应排第二。四个维度全部进入前二。

Robocolisuem 总榜 截止到 2026 年 11 月 11 日 图源：RoboColiseum

RoboColiseum 由 Hugging Face、NVIDIA、清华大学等全球近 20 家高校、企业与科研机构联合发起，是具身智能领域分量很重的一道“实机前置标尺”。它不认纸面刷题：靠域随机化机制、训练集与测试集严格隔离的规则来防过拟合，测试同时覆盖分布内与分布外，最终评测结果与真实机器人表现的相关性接近 90%，同一模型在仿真与真机两端的成绩差异小于 10%。

榜单分指令跟随、空间理解、扰动适应、通用操作四大维度。前两项看的是模型“看得懂、想得明白”的认知本事，后两项则直接检验“动手能不能做成事”的物理落地能力。

通用大模型越走越远，另一个问题也随之被反复提起：模型理解任务的能力，怎样才能变成机器人完成物理操作的能力？

写代码、做复杂逻辑推理，大模型如今已经很流畅；可一旦要指挥机器人完成桌面抓取、物品归置这类任务，物体位置、空间关系、动作执行等问题仍要逐一面对。GPT-6 Astra、GPT-6.1 Sol、Claude Opus 5.5、Gemini 4 Argon 等通用大模型也参加过 RoboColiseum 的评测，此前一轮评测中，它们的综合表现已接近头部专业具身模型。

问题在于，AI 听得懂“把笔放进笔筒”，却还得判断机械臂从哪个角度靠近、物体被触碰后往哪里滑动、什么时候松手。大模型从海量文本、图像里学懂了世界“长什么样”，却没学到“做出动作之后世界会变成什么样”。

物理世界没有撤销键，动作一旦执行失误，环境状态就被不可逆地改掉。通用大模型要在机器人场景落地，这正是要害所在。

一、SimWorld：让机器人在仿真中先预演

假如机械臂真正动手之前，可以先把几套方案试一遍、看看各自会带来什么结果，会怎样？

MXI-SimWorld（下文简称SimWorld）走的正是这条路：先彩排，再动手。

SimWorld桌面整理长程任务演示 视频来源：1011.AI

拿上面视频里的桌面整理任务来说。机器人第一步要把桌上的黑笔放进笔筒，可笔该从哪儿抓？机械臂走哪条路径，才不会蹭到旁边的物体？

SimWorld 先通过头部和腕部相机取得观测，识别出桌面上的物体，接着检索相近的仿真资产，对尺寸、外形、位置做调整，搭起一个能交互的仿真场景。

随后，系统从同一个桌面状态出发，在多个仿真环境里并行试不同的抓取姿态和运动路径。撞上障碍、没能完成任务的方案被逐个淘汰，成功的轨迹留了下来。

等到最后，SimWorld 把筛出来的轨迹带回原始任务场景，让机械臂抓起黑笔、放进笔筒。动一次手之前，系统已经在仿真里把多种可能预演过了。

从看场景到选动作，仿真不只用来生成训练数据，也开始介入模型的决策过程。MXI 团队把这一思路叫作Simulation as Policy：用仿真支撑策略决策。

二、仿真让模型拥有一个可以反复尝试的世界

视频里这个桌面整理任务，只是机器人同物理世界打交道的一个缩影。

拿起一支笔放进笔筒，机器人得先判断东西在哪、从哪个方向抓、机械臂走哪条路。位置一换、形状一变，或者桌上多挡了个物件，原先那套动作方案很可能就不管用了。

真实世界对机器人来说并非一份固定题库。物体的形状、材质、摆放方式都在变，动作做完的结果也可能跟预想的不一样。模型只有在各种条件下积累足够多的交互经验，才有可能学会应对这些变化。

最省事的办法，是让机器人在真实环境里一遍遍练。

可真实交互要占设备、场地、人力和时间。每试一次，研究人员往往得重新摆好物体、把机器人复位，才能开始下一轮。碰上危险、罕见或者容易造成损耗的场景，反复采集就更难了。

仿真给出了另一条路。

同一个场景在仿真里能够被复制、调整、重置。研究人员可以改动物体的位置、形状或场景条件，让模型在不同情形下试动作；也能让多条候选路径从同一初始状态出发，看各自会带来什么结果。

也就是说，仿真不只是用来多造训练数据。它还能充当一个可交互、可回退、可并行的预演环境：系统要做选择时，先在里面试一把，再根据反馈决定下一步。

当然，预演结果要有参考价值，仿真环境就得尽量还原物体之间的接触、碰撞和运动。真实数据仍然不能少——既能拿来校准仿真，也能用来检验模型在真实世界里的表现。

从英伟达的 Isaac Sim，到 World Labs 收购机器人仿真公司 SceniX，空间理解、物理交互和仿真能力正引来更多目光。各家走的技术路线不一样，回应的却是同一个问题：怎样让 AI 更好地理解物理世界，并在其中采取行动？

MXI 团队的想法是再往前推一步：仿真不光服务模型训练，还能参与动作决策，给模型一个在行动前观察结果、比较方案的环境。

真要实现，还有几个具体问题得回答：眼前的场景怎么搭成仿真环境？物体之间的交互怎么做得尽量接近真实？多个动作方案又怎么高效预演？

这些正是 SimWorld 接下来要解决的。

三、SimWorld 怎么彩排：

场景配置、交互校准、动作预演

要让仿真真正参与模型决策，得先按观测搭出一个能交互的场景；再让虚拟物体在被动作作用时给出有参考价值的反馈；最后在多个仿真环境里试不同方案，给动作选择提供依据。SimWorld 把这几步串了起来，形成从场景重建、校准到预演的完整链条。

第一步是重建，把眼前的场景“搬”进仿真里。

可交互世界仿真器（Interactive World Simulator）是 SimWorld 的核心组件，作用是把在线视觉观测和任务指令转成一个可以动手操作的仿真环境。

系统先找出与任务相关的物体，再结合深度信息推算它们的三维位置、朝向、尺度和相互关系。随后依靠 MXI 团队自研的谐物仿真引擎，按“相似资产检索—未见资产生成—实例级编辑”的流程把场景重建出来。

重建出来的每个物体都配了两套“身体”：几何网格管外观，碰撞体管接触计算。尺寸、位姿、摩擦这些参数都能调。资产统一装进同一个场景坐标系后，一张视觉画面就变成有几何结构、有空间布局、带物理属性的交互场景。

仿真资产重建流程 视频来源：1011.AI

第二步是校准，让仿真不光“长得像”，还得“动得像”。

场景看着一样，物体受力、碰撞以及松手之后的运动却未必一样。

为此 SimWorld 用上了上下文学习（In-Context Learning）：拿训练样本里的物体交互过程当参考，分析动作和物体运动之间的对应关系——接触发生在哪，碰撞后物体怎么动，松手后怎么滚、最后停在何处。

接着是轨迹重演。系统把仿真结果与参考视频中的运动过程、最终状态做比对，反复调物理参数。校准的时候，既看物体最后停在哪，也看它一路是怎么到那儿的。

走完这步，重建出的场景不再只是视觉上“长得像”，在动作作用下也“交互准”了。

仿真校准交互过程视频来源：1011.AI

第三步是预演：在多个平行世界里同时试，挑出最好的那个再去执行。

环境可信之后，SimWorld 的自进化动作策略（Self-Evolving Policy）把当前状态复制进多个独立仿真世界。各候选方案起点完全相同，分别去检验搬运路径、接近方向、释放位置和放置动作。

筛选看几件事：机械臂够不够得着、路径会不会碰撞、物体落在哪、放得稳不稳。选定方案随后在现实中执行。执行完，新的视觉观测会更新物体状态，实际结果也会与仿真预测对齐，成为下一轮搜索的起点。

动手之前拿多个方案做验证，动手之后持续修正。MXI 团队管这个思路叫“以仿真支撑策略决策”（Simulation as Policy）。

多环境并行预演与候选轨迹筛选过程 视频来源：1011.AI

RoboColiseum 是限时评测，这点值得留意。仿真里试得再多，动作也得在时间预算内给出来。

这意味着“观测处理-场景更新-候选方案生成-物理推演-结果筛选”整条决策链路都得快。推演规模同样要权衡：推演时间拉长，松手后的滚动和失稳才看得见；步长变细，接触过程才看得清。可这两样都会推高计算量。

这恰是 1011.AI 擅长的部分。谐物仿真引擎从求解算法和硬件适配两头下手：一边压缩单条候选轨迹的推演时间，一边让多个独立环境同时跑，单位时间内能验证的方案数量随之提高。

现有测试数据摆出来看：在 RTX 5090 平台、双精度计算条件下，自研物理仿真引擎谐物跑典型刚体、刚柔耦合，以及布料、线缆这类大形变场景，物理求解速度是 Genesis、MuJoCo、Newton 等主流物理引擎的 2 倍以上。

谐物仿真引擎与 Genesis、Newton 复杂环境任务对比，视频来源：1011.AI

场景观测、交互预演再到动作执行，SimWorld 怎么把这些能力落到具体任务里？下面这段视频记录了团队在 RoboColiseum 中的探索过程，以及系统在仿真任务中的表现。

SimWorld 在 RoboColiseum 中的部分 Demo 展示，视频来源：1011.AI

仿真做得再漂亮，最后仍要上真机检验。

MXI 团队拿定量倒水等任务做了 Sim2Real 验证。流体本身，加上流体与容器之间的交互，一直被认为是仿真里最难的类别之一。谐物在这些任务上的仿真结果与真机表现对得比较准。

倒水任务仿真与真机演示对比，视频来源：1011.AI

四、北大数院团队：

从数学原理出发，重构物理智能

想让高保真仿真进入机器人的每一次决策，两样能力缺一不可：一是精确的物理建模，二是把计算压得足够快的工程本事。1011.AI 的根基就在这里。

公司创始人杨超是北京大学数学科学学院教授。2016 年，他带队拿下国际超算领域最高奖 ACM 戈登·贝尔奖，我国在该奖项上零的突破由此实现。他还是首届王选杰出青年学者奖得主，高性能计算、数值仿真和人工智能是他长期深耕的方向。

1011.AI 于 2026 年 6 月成立，做的是物理 AI 基础设施和模型研发，成立至今已完成过亿元融资。团队眼下在搭“高性能计算＋物理仿真＋AI”的全栈技术体系。据团队表示，MXI-RoboICL、MXI-Hybrid-v0 等系列模型也会陆续发布。

大模型如今能“想得懂”了。可要让它“做得好”，还得让它明白每个动作会引出什么后果。

现实世界经不起一遍遍试错。那就先给机器人造一个靠得住、能交互、可以无限重来的世界。该摔的跤，先在里头摔完，再上真场。

这正是 SimWorld 拿出的答案，也是它坐上 RoboColiseum 榜首位置的原因。