# 10.2 分钟对 130.8 分钟：这 12.8 倍由四张表组成，不是一个数，而且社区版不能商用

> 谋先飞发布 MotrixSim 1.0，官方给出 G1 全身跟踪 10.2 分钟、Isaac Sim 对照 130.8 分钟。这组数字有严格前提，而且「12.8 倍」出自四张不同的测试表。想上手之前，先看清授权那一栏。

### TLDR

- **发布**：谋先飞（Motphys）**2026-11-14 上午**在杭州 GLOSIM 2026 主论坛发布物理仿真引擎 **MotrixSim 1.0**，同日在中国开源年会 COSCon'26 再发一次；发布人联合创始人兼 CTO **张衡**。
- **那组最快被引用的数**：G1 人形全身跟踪训练，MotrixLab（MotrixSim 后端）端到端 **10.2 分钟**，Holosoma（Isaac Sim 后端）参考结果 **130.8 分钟**，相差约 **12.8 倍**；判据是同一条 **tracking score 5.34** 虚线，算法同为 **FastSAC**，观测与奖励配置、超参一致。
- **12.8 倍成立的三项前提**：同一任务环境配置（含 obs、reward）、同一强化学习算法、同一组超参数。离开这三条，倍数没有意义。
- **不是一张表**：官方一共给了四组测试——抓取六格表、临界摩擦表、闭链机构表、触觉压入表。**四个测的是四个不同指标**（是否掉落 / 下滑量 / 约束残差 / 与有限元解的吻合度），不能互相替代。
- **授权是硬门槛**：GitHub 社区版免费，但写明「仅限学术研究与学习，**不可商用**」；GPU 加速（NVIDIA Warp）、USD/CAD 导入、3DGS 场景重建、私有化部署都在**商业版**。
- **判断**：这条新闻最有用的信息不是「快 12.8 倍」，而是「三种资产格式可混载、不经中间格式转换」。对真在做训练环境的人，省掉格式统一这一步，比省掉两小时训练时间更值钱。

### SRC

主源为 IT之家 **2026-11-15** 刊发的《谋先飞 Motphys 发布物理仿真引擎 MotrixSim 1.0，核心采用 Rust 开发》（https://www.ithome.com/1/027/340.htm ），技术细节与全部对照数字取自谋先飞 **2026-11-14** 上线官网的 MotrixSim 1.0 技术报告（https://motrixsim.motphys.com/ ）、开源仓库（https://github.com/Motphys/motrixsim ）与文档站（https://motrixsim.readthedocs.io/ ），并经华军软件园同日稿件、技术解读稿交叉比对。素材时间窗为**前一日 18:00 → 当日 09:00（2026-11-15 18:00 → 2026-11-16 09:00）**：原始发布在 **11-14**，IT之家转述在 **11-15**，均**在窗外**。按扩窗规则第一条处理，**本窗新增量是：技术报告全量数据（六格抓取表、临界摩擦表、闭链机构、触觉压入、渲染同步耗时、LiDAR 吞吐）与社区版/商业版授权条款在中文社区被完整转述**——此前公开信息只有发布会幻灯片级的 12.8 倍一个数。

可靠性分层：①**10.2 分钟 / 130.8 分钟 / 12.8 倍 / 4096 路并行 / 数百万物理步每秒**均为**厂商自测与官方技术报告口径**，公开信息中**无第三方复现**，对比对象的软件版本未逐项披露，原始测试记录未随仓库发布；本文在正文中一律标注「官方口径」；②**六格抓取表**的「通过」定义为「跑满 20 秒未触发掉落判据」，**不代表过程中没有滑移**，这是官方自己写明的口径，本文原样保留；③**临界摩擦 0.98 倍下滑 150.0 毫米、1.00/1.10 倍 0.0 毫米**为官方报告数据，未独立复现；④**触觉压入相关系数 0.950–0.987、中心偏差 ≤1.04 微米**的对照对象是**非线性有限元解**，不是另一家引擎，两者不可混谈；⑤**华为鲲鹏 COMPATIBLE 与 NATIVE 双认证、天数智芯/摩尔线程适配**为公司公告口径；⑥**社区版不可商用**一条来自官方文档授权栏，属可直接核对的合同性表述，可信度最高。文中判断均以「判断：」开头，版权与免责声明由模板自动附加。

### BODY

<p>11 月 14 日上午，杭州，世界仿真大会 GLOSIM 2026 的主论坛，一档十分钟的新技术发布。谋先飞的联合创始人兼 CTO 张衡上台，放了一张对照图：同样是 G1 人形机器人的全身跟踪训练，MotrixSim 做后端跑 10.2 分钟，换成 Isaac Sim 做后端要 130.8 分钟。</p>

<p>这张图当天就在中文技术圈传开了。传的过程中丢掉了几样东西：三项对齐前提、四张不同的测试表、以及授权栏里那行「不可商用」。</p>

<p>这篇把丢掉的部分补回来。</p>

<div class="sec">
<div class="eyebrow">一、12.8 倍成立的三项前提</div>

<p>先看原文怎么写的。技术报告的说法是：在相同任务环境配置（含观测与奖励）、相同强化学习算法、相同超参数下，G1 全身跟踪达到当前跟踪得分，MotrixLab 端到端约 10.2 分钟，Holosoma 的参考结果为 130.8 分钟。</p>

<div class="tbl-wrap"><table>
<tr><th>对齐项</th><th>设定</th><th>为什么必须对齐</th></tr>
<tr><td>任务环境配置</td><td>观测 obs、奖励 reward 完全相同</td><td>配置一变，收敛难度就变，时间不可比</td></tr>
<tr><td>算法</td><td>同为 FastSAC</td><td>换算法等于换了被测量对象</td></tr>
<tr><td>超参数</td><td>同一组</td><td>学习率/批量不同，收敛速度差几倍很常见</td></tr>
<tr><td>终止判据</td><td>tracking score 5.34 虚线</td><td>没有统一终点线，时间无从比较</td></tr>
</table></div>
<div class="cap">表注：四项对齐由官方技术报告写明。这是「同等条件下的引擎差异」这一命题能成立的最低要求，缺任一项，12.8 倍就退化成两个不相干的数字。抓取日期 2026-11-16。</div>

<p>四项都对上了，这个对比才有意义。但也只到「有意义」为止：它是<strong>厂商自测的一次单点对照</strong>，不是第三方复现的基准。报告里同时给出了测试平台——消费级 CPU 用 AMD Ryzen 9 9950X，服务器 CPU 用 AMD EPYC 9J14，GPU 用 RTX 5090。这些配置写清楚是好事，但它仍然只说明「在这台机器上、这个任务里、这套参数下」的结果。</p>

<div class="keypoint">判断：读任何「快 N 倍」的仿真数字，先问三件事——同名任务是不是同一个观测空间、同名算法是不是同一版实现、终点线是不是同一条。这三问答不上来，倍数只能当方向看。这不是对 MotrixSim 的质疑，是对所有仿真对比的通用口径要求，包括 Isaac Sim 自己发的对比。</div>
</div>

<div class="sec">
<div class="eyebrow">二、四张表测的是四个东西</div>

<p>12.8 倍之所以容易被误读，是因为它旁边还放着另外三组数字，而媒体转述时常常把它们混成一锅。实际上官方给了四张表，每张测的东西都不一样。</p>

<div class="tbl-wrap"><table>
<tr><th>测试</th><th>怎么测</th><th>测的是什么</th><th>官方结果</th></tr>
<tr><td>Franka 抓取六格表</td><td>球/方块/瓶子 × 2ms 与 10ms 步长，同一控制轨迹</td><td>抓得稳不稳（跑满 20 秒不掉）</td><td>MotrixSim 6/6；Isaac Sim 4/6；Genesis 4/6；MuJoCo 两种配置 0/6</td></tr>
<tr><td>临界摩擦表</td><td>双指夹方块，摩擦系数取临界值 0.98 / 1.00 / 1.10 倍，各仿真 5 秒</td><td>接触算得准不准（下滑量）</td><td>0.98 倍下滑 150.0 mm；1.00 与 1.10 倍 0.0 mm</td></tr>
<tr><td>闭链机构</td><td>Strandbeest 仿生兽，92 连杆、36 个闭合运动环路，5 ms 大步长</td><td>约束求解稳不稳（约束残差/是否发散）</td><td>报告称传统引擎发散，MotrixSim 保住装配关系</td></tr>
<tr><td>触觉压入</td><td>7.5 mm 方块压入凝胶 1.0 mm，8 个压入深度</td><td>与有限元解的吻合度</td><td>法向位移相关 0.950–0.987，中心压入深度偏差 ≤1.04 μm</td></tr>
</table></div>
<div class="cap">表注：四行是四个不同指标，横向比较无意义。特别提示：「六格全过」只表示 20 秒内没触发掉落判据，不代表没有滑移——这是官方写明的口径。抓取日期 2026-11-16。</div>

<p>为什么这个区分重要？因为工程上你只会关心其中一张。做抓取策略的人关心第一张；做装配、插拔、拧螺丝的人关心第二张；做多足、闭链机构、腿足机构的人关心第三张；做触觉闭环的人关心第四张。<strong>把第四张的相关性系数当成「引擎整体精度」，是最常见的误读</strong>——它的对照对象是非线性有限元解，不是另一家引擎，衡量的是一类物理场的逼近程度，不是通用精度。</p>

<p>还有一个细节值得注意：六格表里 MuJoCo 的 Euler 与 Implicit 两种配置六格全掉。这个结果看起来刺眼，但 MuJoCo 的定位本来就不是「大步长鲁棒」——它长期被用在 1 ms 级的小步长精细控制里。用一个引擎不擅长的工况去测它，结论只在那个工况下成立。</p>

<div class="keypoint">判断：这四张表拼起来，说明的是一件事——MotrixSim 在「大步长 + 接触密集 + 闭链约束」这三类难工况上做了针对性优化，而且优化有效。它不能推出「MotrixSim 在所有任务上都比 Isaac Sim 好」，也推不出「MuJoCo 不行了」。任何一句超出这个范围的结论，都是把工程对照读成了排行榜。</div>
</div>

<div class="sec">
<div class="eyebrow">三、上手前必须先看的那一栏</div>

<p>这条赛道上最容易被忽略、又最影响落地的一件事：授权。</p>

<div class="jx-cols">
<div style="flex:50">
<p><strong>社区版（GitHub 免费）</strong>：内置人形、四足、机械臂、灵巧手四类标准本体与基础地形，支持 MJCF 导入，<strong>仅限学术研究与学习，不可商用</strong>。GPU 加速不开。</p>
</div>
<div style="flex:50">
<p><strong>商业版</strong>：GPU 加速走 NVIDIA Warp，另加 USD 与 CAD 导入、点云与 3DGS 场景重建、私有化部署与云服务。报价官网未公开。</p>
</div>
</div>

<p>这条分界线对做产品的人很硬。也就是说：拿社区版做课题、写论文、跑教学没问题；一旦要把这套仿真嵌进交付给客户的系统、或者用在商业项目的训练流水线里，就必须走商业版。学生和教师可以按课题申请商业版的学术授权，这条写在官网产品页上。</p>

<p>国产化适配也分两栏写：社区版「不保证」，商业版支持国产 CPU、GPU、NPU。谋先飞已通过华为鲲鹏 COMPATIBLE 与 NATIVE 双认证，并与天数智芯、摩尔线程完成 GPU 兼容适配——这几条只在商业版语境下成立。</p>

<div class="keypoint">判断：如果团队的真实诉求是「在国产算力上跑机器人训练」，那么免费的社区版帮不上忙，必须谈商业授权。这一点在转述稿里几乎全被略掉了，而它恰恰决定了这个引擎对国内具身团队到底是「能用」还是「要买」。</div>
</div>

<div class="sec">
<div class="eyebrow">四、真正省时间的可能不是那 12.8 倍</div>

<p>技术报告里有一条不起眼但很实用的能力：<code>motrixsim.load_model(path)</code> 同时接 MJCF、URDF、USD 三种格式，而且三种可以混着用。把 MJCF 的机器人放进 USD 的场景里，加载就能跑，官方说法是「中间不经过格式转换」。</p>

<p>对做训练环境的人来说，这句话的实际价值可能超过 12.8 倍。原因很朴素：手上有 Unitree Go2 的 MJCF 模型，电脑里还有一间用 USD 扫出来的客厅——过去得先把两边统一成一种格式，转换过程中丢掉的材质、惯量、碰撞体，通常要花半天到两天去补。现在两个文件能同时进一个场景。省的不是算力，是一次性的工程返工。</p>

<p>另外几条可以顺手记下：</p>

<div class="jx-tl">
<div class="jx-tl-row"><div class="jx-tl-t">渲染</div><div class="jx-tl-b"><div class="jx-tl-blk" style="background:#0a749a">256 个环境按 16×16 合批，单图从 32×32 提到 128×128（像素涨 16 倍），单次同步只从 23.53 ms 到 24.56 ms<span class="m">开销在每次同步的固定成本，不在像素填充</span></div></div></div>
<div class="jx-tl-row"><div class="jx-tl-t">LiDAR</div><div class="jx-tl-b"><div class="jx-tl-blk" style="background:#00a6d6">32 线程 CPU、64 个并行环境各挂一个 1024×64 LiDAR，吞吐上限约 1.24 亿射线/秒<span class="m">走射线查询，不依赖渲染器，无图形界面也出点云</span></div></div></div>
<div class="jx-tl-row"><div class="jx-tl-t">接口</div><div class="jx-tl-b"><div class="jx-tl-blk" style="background:#0d8a5f">对外只有 Python 接口：载模型 → 写动作 → 读关节状态与接触力<span class="m">强化学习环境的观测就是这么攒的</span></div></div></div>
</div>

<p>需要提醒的是边界：官方报告中性能数字都标了测试条件，但<strong>没有一条经过第三方复现</strong>，对比对象的版本没有逐项披露，原始记录也没随公开仓库一起发布。有一家英文技术媒体在报道里直接写了一句：相对于 MuJoCo 和 Isaac Sim 的优势主张，应被理解为厂商声明。</p>

<div class="keypoint">判断：这个引擎值得上手试，但试的方式应该是拿你自己的任务跑一遍，而不是拿它的六格表当结论。给一个最小验证路径：用社区版载入你自己本体的 MJCF，跑一个你已经在真机上验证过的简单任务（比如定点抓取），看仿真里的成功率和真机的差距有多大——这个差距才是「这个引擎对你有没有用」的唯一答案。至于 12.8 倍，它只说明这条路值得花那两天。</div>
</div>

---

*来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/motrixsim-12x-four-tables-community-noncommercial/*
