Simate-beta 登上 RoboDojo 模擬榜：33.95 分代表乜？

Simate-beta 是 Simate 首個通用物理 AI「快系統」——一種以快速控制真實世界動作為目標的機械人模型。RoboDojo 排行榜列出一項由 Simate 提交的 Simate-beta 模擬測試成績：33.95 分，成功率 27.96%。Simate 亦另有展示模型在真實機械人上的操作，但榜單成績和精選示範，都不足以證明它能在各種日常任務和環境中穩定運作。

RoboDojo 成績講到甚麼？又講唔到甚麼？

RoboDojo 是用來評估通用機械人操作策略的基準，涵蓋模擬和真實環境。 不過，排行榜上這項 Simate-beta 成績屬於模擬項目，由 Simate 提交，並非真機測試的分數。

兩者要分開看：33.95 分是基準測試結果；公司發布的真機示範，則是另一種展示模型在實體機械人上操作的材料。相關報道提到的示範包括記憶、適應任務、連續執行較長動作序列，以及精細操作。這些例子反映 Simate 想做到甚麼，但單靠示範，仍未能證明模型離開展示過的任務後，也能普遍勝任。5

「快系統」：希望反應快，也記得住進度

Simate 形容其設計為結合 4D 物理感知與記憶的快系統，目標是支援反應迅速、並有望在裝置端運作的控制；長遠則希望讓快系統配合較慢的推理系統，處理更複雜的任務。15

簡單來說，這個構想是讓模型追蹤物理場景隨時間的變化，記住任務做到哪一步，同時能因應新情況作出反應。Simate 將 RoboDojo 成績和真機示範視為這個方向的早期材料：系統要能感知、記憶，再採取行動。但這些資料本身，仍未證明它能應付陌生情境。10

AutoResearch：讓 AI 協助研發機械人模型

Simate 將其整體方向稱為「Physical RSI」，希望把模型開發、數據處理、實驗、評估和真機部署連成反覆迭代的研究流程。公司表示，AutoResearch 會讓 AI agent 協助提出和測試研究想法；人則負責設定目標與限制，並判斷結果。Simate 將 beta 描述為這套由人引導流程的早期成果。1112

公司亦表示，自家基建連接訓練、推理和評估，並支援多條研究方向並行；其 Sinfra 服務則涵蓋模擬、訓練和推理。這套連接式研發環境，理論上可令團隊更快測試想法、吸收實驗結果；但現有報道未有獨立證明它實際提升了多少模型表現。1115

團隊背景與後續發布計劃

據報，Simate 團隊結合自動駕駛部署經驗，以及世界模型、真實機械人控制等研究背景。這些經驗與公司希望同時理解物理世界、並在硬件上操作的目標有關；不過，團隊履歷不能代替獨立的性能證據。512

Simate 表示，計劃在 2026 年底前公布複雜任務零樣本泛化的階段性成果，其後陸續發布模型和自動化研究相關論文或技術報告，並分階段開源。以上都是已公布的計劃，並非已發布的成果。11

現階段較穩妥的理解是：這是一份由公司主導的早期進展，包含一項模擬榜單成績、另外展示的真機操作，以及一套希望加快研究迭代的研發流程。接下來值得留意的，是更詳細的技術報告，以及模型在榜單項目和示範任務以外的表現。