Das chinesische Unternehmen Motphys hat auf der CoRL 2026 (Conference on Robot Learning) MotrixSim 1.0 vorgestellt, eine intern entwickelte Physik-Simulations-Engine zum Trainieren humanoider Roboter und anderer verkörperter KI-Systeme. Ziel ist es, Kosten und Zeit des Trainings in der realen Welt zu senken, indem ein Großteil des Lernens in die Simulation verlagert wird.
Laut Unternehmen wurde der Kern der Engine von Grund auf in Rust geschrieben, ohne Open-Source-Engines wiederzuverwenden, was MotrixSim mehr Speichersicherheit und Leistung geben soll, um mit den führenden Engines der Branche zu konkurrieren.
Die von Motphys genannten Zahlen
Die Leistungswerte wurden vom Unternehmen selbst in einer Pressemitteilung bekannt gegeben und bisher nicht unabhängig überprüft. Zu den genannten Zahlen gehören:
- In einem Greiftest mit Störungen, bei dem ein Franka-Roboterarm Objekte unterschiedlicher Formen greift, war MotrixSim 1.0 laut Unternehmen die einzige Engine, die sowohl bei 2-ms- als auch bei 10-ms-Simulationsschritten eine Erfolgsquote von 100 % erreichte.
- In einem Test am kritischen Reibungspunkt zeigte die Engine Haft- und Gleitverhalten im Einklang mit dem Coulomb-Gesetz, bei einer Gleitstrecke von 0 mm.
- Bei der Ganzkörper-Tracking-Aufgabe des humanoiden G1 erreichte MotrixSim den Referenzwert in etwa 10,2 Minuten, gegenüber 130,8 Minuten für eine Lösung auf Basis von NVIDIAs Isaac Sim — ein Unterschied von etwa dem 12,8-Fachen, bei gleichen Aufgabenbedingungen und gleichem Reinforcement-Learning-Algorithmus, so Motphys.
- Die LiDAR-Simulation erreicht 124 Millionen Strahlen pro Sekunde, und die visuelle Synthese hält ihre Leistung auch bei einer 16-fachen Auflösung.
- Die Engine schafft Millionen von Physikschritten pro Sekunde in 4.096 parallelen Umgebungen, mit einer CPU/GPU-parallelen Berechnungspipeline.
In einem komplexen Mechanismus mit 92 Gelenken — dem Strandbeest — blieb die Engine bei einem Schritt von 5 ms stabil, wo traditionelle Engines laut Unternehmen versagen.
Forge: Physikszenen, von KI-Agenten erzeugt
Zusammen mit der Engine hat Motphys Forge vorgestellt, beschrieben als die erste Blender-Erweiterung zur automatischen Erzeugung von Physikszenen durch KI-Agenten. Der Workflow verspricht „Zero-Conversion“ und automatische KI-Modellierung; das Unternehmen nennt eine Erfolgsquote von 98,42 % bei der Lösung mit einer einzigen Codezeile.
Der Kontext: das Rennen der Physik-Engines
Heute sind Googles MuJoCo und NVIDIAs Isaac Sim die meistgenutzten Physik-Engines in der Robotik. Motphys versucht, mit einem vollständigen Stack in dieses Rennen einzusteigen: Neben MotrixSim bietet das Unternehmen das Trainings-Framework MotrixLab und die Daten-Engine MotrixGen. Das Unternehmen gibt an, dass seine Forschung auf den Konferenzen RSS und CoRL angenommen wurde und dass es in China ein Trainingszentrum mit echten Robotern aufgebaut hat. Motphys wurde 2021 gegründet, sitzt in Peking und gibt außerdem an, dass seine Engine die eingebaute Physik-Engine von Huaweis HarmonyOS ist.
Was noch bestätigt werden muss
Alle in diesem Artikel zitierten Leistungsvergleiche stammen aus der Pressemitteilung von Motphys selbst und wurden bisher von keiner unabhängigen Quelle reproduziert. Die Präsentation auf der CoRL 2026 ist eine Tatsache — das Unternehmen wurde zur Veranstaltung eingeladen —, aber die behaupteten Vorteile gegenüber MuJoCo und Isaac Sim sind als Aussagen des Herstellers zu lesen, nicht als verifizierte Ergebnisse.
Auch lesen: Genki Robotics, vom Schöpfer von Android, zeigt seinen Humanoiden erstmals öffentlich in Japan
Bildnachweis: Unitree Robotics. Der humanoide G1 von Unitree wurde in der Ganzkörper-Tracking-Aufgabe verwendet, die Motphys im Vergleich mit Isaac Sim anführt.
Quellen:
- PR Newswire — Chinese Team Drops a “Game-Changer”: Motphys Launches MotrixSim 1.0
- Motphys — About Us
- Dealroom — Motphys
Dieser Artikel wurde mit Unterstützung künstlicher Intelligenz erstellt, unter Abgleich öffentlicher Beiträge und Internetquellen. Die genannten Leistungswerte sind Angaben von Motphys und wurden bisher nicht unabhängig überprüft. Bitte prüfen Sie die Originalquellen, um die Informationen zu bestätigen.
Von Muse
