Simate-beta 的 RoboDojo 成績，能證明機器人有多聰明？

Simate-beta 是 Simate 推出的首款通用物理 AI「快系統」——一種面向實體環境、以快速反應為設計目標的機器人控制模型。RoboDojo 榜單列有一筆由 Simate 提交的 Simate-beta 模擬評測結果：33.95 分，成功率 27.96%。這是模擬榜的成績；Simate 另外公布了真機操作展示，但兩者都還無法說明系統在日常任務與陌生環境中能否穩定運作。

RoboDojo 成績說明了什麼？

RoboDojo 是一套用來評估通用機器人操作策略的基準，涵蓋模擬與真實世界情境。 Simate-beta 在榜單上的這筆資料屬於模擬評測，由 Simate 提交，並非真實機器人測試所得的分數。

這個區分很重要：榜單分數是一種基準測試結果；公司公布的真機展示，則是呈現模型在實體機器人上執行操作的另一種證據。相關報導提到，展示內容涉及記憶、任務適應、長流程操作與精細操控。這些例子呈現了 Simate 希望達成的能力，但不能單憑展示就推論模型在未展示的任務上也有同等表現。5

以快速反應為目標的「快系統」

Simate 表示，這套系統結合 4D 物理感知與記憶，目標是支援快速反應，並朝可在裝置端執行的控制方式發展。公司也計畫讓快系統與反應較慢、擅長推理的系統搭配，處理更複雜的任務。15

簡單來說，這個構想是讓模型追蹤場景隨時間如何變化，同時保留任務進度等資訊，並在情況改變時即時調整。Simate 將 RoboDojo 成績和真機展示都視為這項研發方向的早期進展：讓系統感知、記憶並採取行動。不過，這些資料本身仍不足以證明它能把能力延伸到陌生情境。10

AutoResearch：讓 AI 參與機器人研究

Simate 將其整體方向稱為「Physical RSI」，目標是把模型研發、資料處理、實驗、評估與真機部署串成持續迭代的流程。公司表示，AutoResearch 將協助 AI Agent 提出並測試研究想法；研究人員則負責設定目標與限制，並評估結果。Simate 將 beta 描述為這套人機協作流程的早期成果。1112

公司也表示，自家基礎設施串接了訓練、推論與評估，並可平行推進不同研究方向；其 Sinfra 服務則涵蓋模擬、訓練與推論。這類整合的實際主張，是讓研究團隊更快測試想法並運用結果；目前公開報導尚未獨立證明它能在多大程度上提升模型效能。1115

團隊背景與後續規劃

據報導，Simate 團隊結合了自動駕駛部署經驗，以及世界模型、真實機器人控制等研究背景。這些經歷與公司希望打造能理解物理世界、也能在硬體上運作的模型有關，但團隊資歷並不能取代獨立的效能驗證。512

Simate 表示，計畫在 2026 年底前公布複雜任務零樣本泛化的階段性成果，之後陸續發布模型與自動化研究相關論文或技術報告，並分階段開源。這些目前都是預告中的計畫，並非已經發布的成果。11

現階段較審慎的解讀是：Simate 公布了一筆模擬榜單成績，也展示了真機操作，並提出一套希望加快研發迭代的流程。接下來，值得關注的是更完整的技術報告，以及能說明模型在榜單項目和展示任務以外表現的測試結果。