结论:谋先飞(Motphys)于 2026 年 11 月 14 日发布物理仿真引擎 MotrixSim 1.0,在 4096 并发环境下把 G1 人形机器人端到端训练从 130.8 分钟压缩到 10.2 分钟,核心用 Rust 开发,兼顾性能与内存安全。 关键数字:10.2 分钟 / 130.8 分钟 / 4096 并发环境数百万物理步每秒。
| 指标 | MotrixSim 1.0 | 对照方案 |
|---|---|---|
| G1 机器人端到端训练 | 10.2 分钟 | 传统方案 130.8 分钟 |
| 仿真吞吐 | 数百万物理步/秒 | 4096 并发环境 |
| 训练耗时降幅 | 约 92.2% | 提速约 12.8 倍 |
| 核心开发语言 | Rust | 常见引擎多用 C++ |
10.2 分钟是怎么跑出来的
MotrixSim 1.0 是一款面向多体动力学和机器人仿真设计的高性能物理仿真引擎,覆盖机器人控制、强化学习、工业仿真等场景。官方论文数据显示,在 4096 并发环境下,引擎跑出数百万物理步每秒的吞吐。
吞吐直接决定训练效率。在 G1 人形机器人全身跟踪任务中,同一任务配置与同一强化学习算法下,MotrixSim 达到目标跟踪分数约需 10.2 分钟端到端时间,而基于 Isaac Sim 的方案需要 130.8 分钟,差距约 12.8 倍。
核心为什么选用 Rust
与依赖高端显卡的重资产路线不同,MotrixSim 核心采用 Rust 语言开发,CPU 版本兼顾性能与内存安全。这套自研路线强调从底层架构自建,而非基于现成开源引擎二次开发。
引擎采用广义坐标系统建模多体系统,配备自研约束模型和求解器,并提供简洁的 Python 接口便于原型开发。机器人仿真方面做了专门优化,高度兼容 MJCF 模型格式。算力生态上,它兼容鲲鹏、天数智芯、摩尔线程、英伟达、AMD、苹果等多元平台。
仿真为何从验证工具变成训练场
官方表示,MotrixSim 将真实世界的物理参数按 1:1 复刻进仿真环境,结合多模态传感器与高保真渲染,为机器打造既能”看清”又能”摸准”的平行世界。
具体做法是融合视觉(颜色和纹理)、几何(形状、距离和深度)与触觉(压力、摩擦和软硬)感知,完成环境观测与行为反馈的闭环,解决”机器人认知盲区”。谋先飞联合创始人兼首席技术官张恒的表述是:仿真过去用于验证机器如何表现,如今正成为机器学会如何表现的地方。
这对机器人研发意味着什么
对做具身智能和强化学习的团队来说,把仿真吞吐拉高,意味着同一天内能验证更多奖励函数、控制参数和网络结构,直接加快迭代节奏。这意味着训练基础设施的资源分配也可能调整——让CPU承担大规模批量物理计算,GPU专注神经网络学习。
值得注意的是,10.2 分钟与 130.8 分钟的对比来自官方在特定任务与同配置下的受控测试,商业环境表现仍要看实际部署。官方已把该引擎带到 CoRL 2026 展示,官方文档也已公开。
常见问题
对标的传统方案具体指什么? G1 机器人任务的对照方案基于英伟达 Isaac Sim,在同一任务环境与同一强化学习算法下进行对比。
它能运行在哪些芯片上? 引擎兼容鲲鹏、天数智芯、摩尔线程、英伟达、AMD、苹果等多元算力生态,并非只绑定单一厂商。
普通开发者上手难度如何? 官方提供简洁易用的 Python 接口,并高度兼容 MJCF 模型格式,便于快速开发和原型制作。
信息来源:IT之家 2026 年 11 月 15 日报道、Yahoo Finance 转美通社 2026 年 11 月 14 日稿件。







