# 96.7% 只证明仿真「排得对」，不证明仿真「算得准」：智元 Genie Sim 升级该怎么验 > 4 款本体、22 项任务、96.7% 相关性——这组数字说的是「排序一致」，不是「分数可迁移」。真正能拿去用的是另外两件事：刚柔分区求解，和 Real2Sim 的物理参数校准。代码已开源，所以这一次可以自己验。 ### TLDR - **发布**：2026-10-28，智元宣布升级一站式具身智能仿真平台 **Genie Sim**，主打**柔性物体仿真**（叠布、系束口袋等），打通场景重建、数据采集、自动评测、后训练、开放世界探索全链路。 - **两条路径**：自研物理引擎 **Genie Sim Engine** 做**刚柔接触分区求解**并实现 **20 倍加速**；世界模型 **Genie Sim Dream** 基于真实画面推演动作后的场景变化，支持多步长连续操作测试。 - **那个 96.7%**：真实世界训练的模型直接**零样本**评测，横跨 **4 款机器人本体、22 项复杂任务**，仿真与真机**得分相关性 96.7%**。 - **校准方式**：通过 **Real2Sim 系统辨识**对齐惯性、摩擦、力矩响应，用真机数据校准质量密度、摩擦系数、阻尼。 - **开源范围**：仿真代码在 **GitHub** 全面更新，仿真资产与配套数据集上架 **HuggingFace** 与魔搭 **ModelScope**；Benchmark 新增灵巧操作、全身协同、精细操作、本体迁移四维。 - **一句话**：相关性高可以说明「仿真能用来做筛选」，但要说明「仿真分数等于真机分数」，还缺一个绝对误差数字，官方没给。 ### SRC 事实来源为智元机器人 **2026-10-28** 官方发布，并与上海证券报·中国证券网当日稿件（记者宋薇萍，https://www.cnstock.com/commonDetail/816309 ）、人民财讯/证券时报当日 **14:18** 快讯（记者聂英好，https://www.egsea.com/news/detail/2356251 ）、广州日报大洋网当日稿件（https://news.dayoo.com/finance/202610/28/171077_55017847.htm ）三处交叉比对。**素材时间窗**按本批规定为**当日 09:00 → 19:00（2026-10-28 09:00 → 19:00）**，人民财讯快讯 14:18 落在窗口内。**三家一致的部分**：升级内容、柔性物体方向、96.7% 相关性、4 款本体、22 项任务、20 倍加速、Real2Sim 辨识对齐惯性/摩擦/力矩、Benchmark 四维、GitHub 与 HuggingFace/ModelScope 开源。**不确定边界（本号认为最关键的一条）**：①官方只说「得分相关性 96.7%」，**未说明是 Pearson 还是 Spearman、未给散点图、未给 MAE 或平均绝对偏差、未给每项任务各自的相关系数**——而这四项缺任何一项，都无法判断相关性的实际可用性；②对照实验的重复次数与随机种子未披露，若每个「本体 × 任务」组合只跑一次，88 个样本点里会混入真机本身的运行方差；③「零样本」的严格定义未说明——模型是否在真机上做过任何形式的校准或提示词适配，稿件未交代；④20 倍加速的基准（相对什么实现、什么硬件、什么场景规模）未说明；⑤文中关于「相关系数在 22 个任务口径下的 95% 置信区间约 0.92–0.99」一段，是本号按 Fisher z 变换做的**作者推算**，不是官方数据，前提假设样本近似独立，仅供读数字时参考；⑥智元融资规模（传 10 亿至 15 亿元）与估值（传约 500 亿元）均来自媒体转述、公司未回应，本号不作为事实采用，仅在大洋网稿件出现处标注为「市场传闻」。**与本站既有稿件的差异**：586 号（2026-10-28 上午批）写的是 **Genie Master**——具身 Agent 框架，关注的是「经验怎么沉淀成记性与本能」，属于**运行时**；本篇写 **Genie Sim**，关注的是「仿真结果能不能当验收依据」，属于**训练场**。两者是同一套 AI WAVE 发布节奏里的两个不同产品，事件、指标、结论均不重叠。文中判断为作者观点，已用「判断：」标注；文末版权与免责声明由模板自动附加。 ### BODY

先说清楚这次升级要解决的具体问题，不然 96.7% 这个数字没有落点。

叠一块布、系一个束口袋，对人来说是日常动作。对仿真器来说是噩梦：布料会褶皱、会塌陷、会被夹爪挤压后改变形状；绳索会滑动、会被拉扯出新的受力点。这些东西在仿真里没有解析解，只能靠数值方法逼近。

过去几年仿真器擅长的是刚体——方块、圆柱、零件。碰上柔性物体，常见的结局是「仿真里满分，真机上翻车」。这不是仿真器不努力，是柔性形变的物理建模本身太难，而且每一步误差都会累积。

两条路径，一条管「算得对」，一条管「看得懂」

Genie Sim Engine：分区求解

采用多物理求解器协同架构，把刚体接触与柔性接触分区处理——刚的部分用刚体求解器，软的部分用柔性求解器，接触面上做耦合。再用真机数据校准质量密度、摩擦系数、阻尼这些参数。官方给的加速比是 20 倍。

这条路径的本质是「用工程手段绕开解析解」：既然柔性形变算不准，那就把它切成能算准的小块。

Genie Sim Dream：世界模型

不做物理计算，改用生成模型：基于真实画面推演「机器人做完这个动作之后，场景会变成什么样」。支持多步长连续操作测试，并调用视觉大模型自动判别任务是否完成。

这条路径的本质是「绕开物理，直接学结果分布」。好处是覆盖长时序，坏处是它可能生成物理上不成立、但视觉上很像的画面。

把两条路径放一起看，会发现它们是互补而不是替代。Engine 保证每一步的接触力算得住，Dream 保证长流程能连续演化。真正让这个平台变得可用的，是第三条：Real2Sim 系统辨识——用真机数据反向标定仿真里的惯性、摩擦、力矩响应。没有这一步，上面两条路径都只是在自说自话。

判断：这次升级里最值得学的是 Real2Sim 这一段，不是那两个引擎。因为引擎是厂商的护城河，辨识方法却是任何一个团队都能拿来用的工程范式：先在真机上跑一组标准动作，采集关节力矩与末端位姿，反解仿真参数，让仿真的响应曲线贴住真机。这件事没有捷径，也没有秘密，但绝大多数团队跳过了它，直接去调模型。
96.7% 到底在说什么

官方的描述是：把真实世界训练好的模型直接放进仿真做零样本评测，横跨 4 款机器人本体、22 项复杂任务，最终测得仿真与真机的得分相关性达 96.7%。

这里有两个词需要拆开。「零样本」是说模型没有在仿真里微调过，排除了「仿真数据污染」这一种解释，这一步做得对。「相关性」则要看是哪种相关性。

读法96.7% 能支持96.7% 不能支持
排序一致性仿真里排第一的策略，真机上大概率也靠前—
绝对分数—仿真 80 分等于真机 80 分
系统性偏移—仿真整体高估或低估了多少（未给偏差值）
单项可用性—22 项任务里每一项都同样准（未给分项系数）
长时程—连续跑 8 小时之后是否仍然相关
表注：右列为本号根据「相关性」这一统计量的定义所做的方法论拆解，非官方表述；官方稿件只给了单一的 96.7% 数值。

用一个极端例子说明差别：假设仿真对每一项任务的打分都恰好比真机高 10 分，那么所有点的排序完全不变，相关系数仍然是 1.0。但这时候如果你按仿真分数 80 分去判断「这个策略可以上线」，真机上它只有 70 分。

所以 96.7% 证明的是「仿真可以用来做筛选和排序」，不证明「仿真分数可以直接当验收标准」。这两件事在工程上的差别很大：前者省的是试错次数，后者省的是真机测试，而后者才是钱。

判断：官方这次披露的是一个「排序可信度」数字，而不是一个「精度可信度」数字。这不一定是避重就轻——对做研发的团队来说，排序能力已经足够用来做超参搜索和策略筛选，价值很大。但如果有人拿这个 96.7% 去论证「以后不用上真机了」，那是误读。真正该追问的是 MAE（平均绝对偏差），这个数字官方没给。

顺带做一个稳健性检查。如果按 4 款本体 × 22 项任务 = 88 个样本点计算，用 Fisher z 变换估一下，96.7% 这个相关系数的 95% 置信区间大约在 0.95–0.98；即便保守地只按 22 个任务计，区间也大致在 0.92–0.99。也就是说，「相关性很高」这个结论本身是稳的，不稳的是「高到什么程度可以替代真机」这个推论。（此处为本号推算，前提假设样本近似独立，官方未披露重复次数。）

开源了什么，能怎么接

对使用者来说，这次升级里最实际的部分是开源范围：

仿真代码
GitHub 全面更新
仿真资产
HuggingFace + ModelScope
配套数据集
同步上架
评测维度
4 类（灵巧操作/全身协同/精细操作/本体迁移）
说明：前三行为代码与资产的开源渠道，第四行为 Benchmark 新增维度。「本体迁移」这一维值得单独关注——它测的是同一个策略换一台机器人之后还能不能用。

三个渠道的分工很清楚：代码管「怎么跑」，资产管「跑在什么场景里」，数据集管「拿什么校准」。再加上 Genie Sim × RLinf 并行后训练框架，链路就完整了——先在 Benchmark 上定位短板，再在仿真里并行训练，然后再评测验证，形成闭环。

Sandbox 覆盖家居、工厂商超、餐饮办公三类场景，支持连续长流程作业。对做二次开发的团队来说，这意味着可以直接拿现成场景做压力测试，不用从建模开始。这大概是这次升级里最省时间的一块。

判断：从「能不能用」的角度看，这次升级把三件事同时解决了——柔性物体能算了、仿真结果有相关性数据背书了、代码和资产都开源了。第三件最重要：只要代码在 GitHub 上，任何人都可以拿自己手上的本体和工序重跑一遍那个 96.7%，而不是只能引用厂商给的数字。可复现性，是仿真平台最硬的信任来源。
什么还不能信

有三件事需要等。

第一，绝对误差。相关性有了，MAE 没有。前者告诉你排序对不对，后者告诉你能不能省掉真机测试。这两件事在采购决策里是分水岭。

第二，厂商之外的复现。开源代码不等于开源结论——如果那份 96.7% 的实验配置、随机种子、真机测试脚本没有一起放出来，别人复现出来的数字会有出入。发稿时点（10-28 下午）距离代码更新只有几个小时，社区复现结果还没有。

第三，长时程与漂移。22 项任务大概率是「单次完成度」的评测，而真实产线关心的是「连续跑 8 小时，第 500 次操作还准不准」。柔性物体尤其如此——布料在反复抓取之后会起球、变形，这些在仿真的初始条件里很难覆盖。

所以正确的用法是：把 Genie Sim 当成「筛子」而不是「尺子」。用它把一百个策略筛到十个，再拿十个上真机；不要用它直接判定某个策略「可以交付」。这个用法在今天就成立，不需要等任何补充数据。

来源：智元机器人 2026-10-28 发布；上海证券报·中国证券网 2026-10-28；人民财讯/证券时报 2026-10-28 14:18；广州日报大洋网 2026-10-28。素材窗口：2026-10-28 09:00 → 19:00。
--- *来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/agibot-genie-sim-96-7-correlation-how-to-read/*