圖片展示了Labimus仿真評測平臺的 real-to-sim 高保真復刻過程，左側為真實實驗室場景中的天軼2.0人形機器人（左一），右側為對應的仿真環境，通過鉸接機構、透明材料、數字讀數和粉末顆粒物理仿真等技術實現高保真模擬，圖中還呈現了儀器級狀態、粒子級粉末物理和靈巧操控等關鍵仿真亮點以及平臺核心統計信息
打破瓶頸，梳理實驗室機器人評測標尺
有機化學實驗室稱量、取粉、儀器交互等精密操作，是科研日常，卻是自動化領域長期難以攻克的難題。化學家完成粉末稱量時，需依靠多指協同精細力控，根據粉末粘性、粒度動態調節操作力度，實現 ±0.001g 毫克級稱量精度，整套動態、柔性、非標準化操作，對自動化系統提出極高要求。
當前主流實驗室自動化采用定制化改造路線：針對單一實驗場景定制專用工裝、改造執行器、固化流程，僅適配專屬標準化實驗室，無法通用落地至常規科研實驗室。人形靈巧手機器人憑借通用化優勢，可直接適配無改造的傳統實驗室，復用現有儀器、工具，以類人動作完成全流程實驗，成為行業最優解。
但行業長期存在核心短板：全球缺少面向精密化學操作的人形機器人性能評測基準，無法量化判定人形機器人在高精度實驗任務中的真實操作水平，極大制約人形實驗室機器人算法、硬件迭代落地。Labimus 聚焦有機化學實驗室，從真實有機化學工作臺出發，通過 real-to-sim（真實到仿真）建模，構建了一個完整的評測體系。它不僅僅是一個仿真環境，更是一套從任務定義、物理仿真到量化評測的完整框架。
Labimus 核心架構：高保真化學仿真評測體系
Labimus 依托"具身天工"通用機器人平臺的天軼 2.0 人形靈巧機器人（搭配 26 自由度靈巧雙手），聯動"慧思開物"具身智能平臺完成仿真渲染、物理解算、大模型任務解析、量化評測全鏈路調度，打造覆蓋真實實驗室復刻、標準化實驗任務、多層級精度評測的完整閉環框架，不只是單一仿真環境，更是一套可落地、可量化、可對比的人形機器人標準化評測基礎設施。
北京人形與中科大聯合發布的全球首個精準化學實驗室仿真評測平臺Labimus，展示了基于天軼2.0人形靈巧機器人和慧思開物具身智能平臺的高保真化學仿真環境、標準化實驗任務體系及三級遞進式精度評測框架，涵蓋從真實實驗室復刻到多層級量化評測的完整閉環。
亮點 1：高保真實驗室仿真
Labimus 完成 30 余件有機化學核心實驗資產 1:1 真實復刻，覆蓋實驗容器、操作工具、精密儀器三大品類，絕非簡單視覺模型，全部搭載真實物理參數與儀器交互邏輯。
圖片展示了真實實驗室（Real）與仿真環境（Simulation）的對比，上半部分為真實有機化學實驗臺，下半部分為Labimus平臺復刻的高保真化學實驗仿真場景，完整呈現了實驗容器、操作工具和精密儀器等核心實驗資產的1:1虛擬化建模。
鉸接機構：天平擋風門像真實設備一樣沿導軌滑動，而需要精確的 pinch-and-slide 操作；
粉末顆粒仿真：粉末不是視覺特效，而是將每顆粉末建模為獨立剛體，可以被舀取、轉移、沉積，具有物理意義上的質量
閉環儀器讀數：粉末落在天平稱量盤上時，系統自動計算沉積質量并實時更新數字顯示屏讀數，與真實天平的工作流程一致
平臺基于粒子的粉末物理仿真模塊，完整復現粉末舀取、粘附、沉降全過程，不僅僅看粉末是否"視覺上"出現在了盤子上，而是看天平的質量讀數是否落在實驗協議規定的容差范圍內(±0.001 g），完美還原毫克級精密稱量場景。
亮點 2：源自真實實驗流程的任務體系
Labimus 全部實驗任務并非人工主觀設計，依托慧思開物內置大模型能力（Qwen3.5-4B）搭建 SOP-to-Simulation 自動化流水線，分四階段完成標準化實驗流程轉化：SOP 標準操作規程解析→實驗室場景自動化組裝→實體物理參數綁定→任務語法校驗與可執行仿真任務生成。
平臺形成六大原子操作任務集，劃分儀器交互、基礎工具使用、高精度靈巧操控三大類別，串聯完整七步固體稱量標準工作流，覆蓋單臂抓取、精密按鈕按壓、粉末定量轉移、雙臂協同開關門等全維度典型化學操作，所有任務容差、成功判定標準完全對齊真實實驗室科研規范，覆蓋了從離散接觸到持續力控、從單臂操作到雙臂協調、從簡單抓取到精密儀器交互的多種操作特征，保障仿真評測結果具備現實落地參考價值。
亮點 3：精度感知評測
行業現有機器人評測僅采用 "完成 / 未完成" 二元判定標準，無法區分 "完成操作" 與 "達到科學實驗精度標準"，而化學實驗中，哪怕操作順利完成，稱量誤差超出 ±0.001g 即判定實驗失效。
Labimus 引入了三級遞進式評測層級，每一級都增加一個新的評測維度，揭示上一級看不到的失敗模式，搭配 4 類環境擾動條件，形成 3×4 全方位評測矩陣：
+標準布局（Standard）、+光照擾動（+Lighting）、+紋理擾動（+Textures）、+組合擾動（+Combined），層層遞進檢驗策略魯棒性，多因素復合擾動四類測試場景，全面驗證人形機器人算法、控制系統在復雜可變實驗環境下的操作魯棒性，為具身智能的應用落地提供精準數據支撐。
平臺核心價值：補齊行業缺失的標準化評測底座
Labimus 首次將人形化學實驗機器人的精度鴻溝量化、可視化，為行業算法研發、人形本體迭代提供統一、客觀的基準標尺，夯實北京人形作為具身智能國家級創新載體的技術話語權。
作為具身智能國家級創新平臺，北京人形依托"具身天工"硬件人形底座 +"慧思開物"最強大小腦平臺雙平臺驅動，Labimus 的意義不僅在于提供一個評測基準，更在于它揭示了一個此前被忽視的根本性問題：在追求實驗室自動化的道路上，"能做"和"做得好"之間存在巨大鴻溝。現有基準無法區分"粉末轉移到了盤子上"和"粉末精確到了 0.850 ± 0.001 g"——但這兩者之間的差距，恰恰決定了一個實驗是否科學有效。
Labimus 首次將這一差距量化并系統評測，為開發真正可靠的人形實驗室機器人提供了科學基礎和測試平臺，加速了具身智能能夠真正走進化學實驗室、替代人工完成精密科研操作的人形機器人落地，推動實驗室具身智能產業標準化、規模化發展。
Labimus 當前發布的是 v0 版本。實驗評估覆蓋了四個代表性原子操作和一項 Tier 2 精度任務，剩余任務及 Tier 3 完整工作流評測正在進行中。
后續，Labimus 還計劃擴展至液體處理、裝置組裝、多步合成等更復雜的化學操作、 完成 Tier 3 長程工作流的完整評測、推進系統性的 sim-to-real 遷移和真實世界驗證、支持多種人形平臺，實現跨平臺對比評測、并將評測范圍拓展到更廣泛的實驗科學學科。
是全球首創，更是行業起點
Labimus 平臺的落地問世，是國內具身智能深耕科研場景、打通人形機器人實驗室落地鏈路的關鍵里程碑。作為具身智能國家隊核心技術成果，依托 "具身天工" 通用人形機器人仿真底座與 "慧思開物" 科學智能研發平臺雙輪驅動，Labimus 打破了化學精準操作仿真評測領域的國際空白，將人形靈巧操控、高精度物理仿真、科學實驗量化評測融為一體，構建起適配真實科研場景的標準化測試體系。
在此前布局中，北京人形已沉淀系列仿真評測成果：自研 ArtVIP 高保真仿真資產庫被英偉達 Isaac?Sim 收錄，并亮相英偉達 GTC 大會；迭代升級 RoboMIND1.0 至 2.0 版本，構建大規模仿真?真實成對數據集，為虛擬訓練提供數據底座；當下還聯合百度智能云舉辦具身智能黑客松，開放仿真環境供開發者驗證算法。依托前述成果積累，Labimus 進一步將仿真評測能力延伸至化學科研場景。
北京人形與中國科學技術大學希望，Labimus 既是一個評估平臺，也是一個催化劑。成為推動行業從單一化學實驗室基準走向全學科科學自動化支撐的底座，持續賦能自主實驗機器人迭代優化。
未來，這北京人形將持續深耕科研自動化賽道，以兩大平臺為技術根基，打通 AI、人形機器人與現代實驗科學的融合壁壘，以標準化、高精度、可泛化的評測基礎設施，推動自主化學實驗室從概念走向規模化落地，為我國科研裝備智能化、前沿科學自主探索筑牢底層技術根基，助力實現科研實驗全流程無人化、精準化、智能化革新。
Robo-ValueRL是北京人形機器人創新中心聯合中國人民大學高瓴人工智能學院聯合產學研成果，Robo-ValueRL面向全社會全面開源。該框架創新搭載基于歷史觀測的價值估計機制，突破傳統 VLA 視覺語言動作模型的技術瓶頸，解決人形機器人高精度工業操作難題，依托完全開源的優勢，全面賦能半導體精密裝配等高價值工業場景產業化落地。
四臺人形機器人在實驗室環境中進行精密操作測試，其中左一機器人正在執行裝配任務，其余三臺機器人位于后方工作臺上。
一、行業背景：人形機器人產業化落地遭遇多重瓶頸
當前人形機器人行業快速發展，主流方案均依托 VLA 模型實現機器人自主作業，但現有通用 VLA 架構存在三大底層短板，嚴重制約工業規模化應用。其一，數據質量無量化評判標準，模型無法自主篩選優質樣本，劣質數據持續干擾訓練，大幅降低操作精度與訓練效率；其二，精細操作能力不達標，半導體微小元器件裝配對動作誤差、夾持力度要求嚴苛，傳統模型易造成零件損壞，無法適配精密產線；其三，在線迭代穩定性薄弱，真實產線環境動態多變，模型實時調整易出現動作震蕩、決策偏差，長時間連續作業可靠性不足，運維調試成本居高不下。
諸多痛點讓人形機器人長期局限于實驗室演示，難以落地高端精密制造場景。為此，北京人形機器人創新中心與人大高瓴人工智能學院啟動深度產學研合作，整合機器人硬件控制、多模態大模型、深度強化學習技術儲備，聯合攻關研發 Robo-ValueRL 框架，并決定將整套技術完整開源，向全行業共享核心算法能力。
多臺人形機器人在實驗室環境中進行精密操作測試，展示Robo-ValueRL框架在半導體精密裝配等高價值工業場景中的應用潛力
二、核心技術：價值估計機制實現機器人自主 "明辨是非"，開源體系完整開放
Robo-ValueRL 框架核心創新為歷史觀測價值估計機制，賦予機器人自主判別動作優劣的能力，搭建 "觀測 - 估值 - 修正 - 迭代" 閉環學習體系，從數據篩選、精密控制、在線穩定運行三方面補齊傳統 VLA 短板。系統可自動對歷史動作、視覺信息、作業結果打分，剔除無效、錯誤訓練樣本，動態修正運動軌跡與夾持力矩，抑制環境擾動帶來的動作抖動，滿足精密裝配嚴苛精度要求。
本次發布最核心亮點為全量開源，項目無封閉技術壁壘，完整開放全套底層算法邏輯、價值評估工具鏈、工業場景配套調試案例與標準化運行代碼，高校、科研院所、制造業企業、機器人開發團隊均可免費獲取源代碼，無商用授權門檻，支持自由下載、二次開發、場景定制。開源框架兼容市面主流人形機器人硬件平臺，開發者無需從零搭建強化學習基座，可直接基于現有代碼快速適配半導體、精密電子、醫療器件裝配等細分產線，大幅降低精密人形機器人算法研發門檻。研發團隊同步配套開源實操教程、測試數據集，降低開發者上手難度。
人形機器人正在對一塊電路板進行精密操作
三、產業價值：依托開源普惠優勢，加速人形機器人工業化普及
Robo-ValueRL 全面開源將產生深遠產業價值，打破高端人形機器人算法技術壟斷。對于制造企業，開源框架省去高額算法定制開發成本，減少人工標注數據投入，縮短產線調試周期，降低元器件報廢損耗，中小型制造廠商也能低成本部署高精度人形機器人產線設備。對于科研領域，開源標準化底座為高校、實驗室提供統一研發平臺，全球研究人員可在此基礎上開展通用機器人智能、精密操控、強化學習相關研究，互通迭代成果，加速行業技術突破。
北京人形機器人創新中心負責人表示，全開源是本次技術發布的核心戰略，希望通過開放 Robo-ValueRL 核心能力，推動行業協同創新。后續團隊將持續迭代開源版本，不斷擴充工業場景適配模塊、開放更多配套開源數據集；人大高瓴人工智能學院也將持續輸出價值強化學習前沿理論，同步更新至開源倉庫，持續優化機器人自主決策與環境自適應性能。
Robo-ValueRL 依靠獨創價值估計機制實現機器人自主判別能力，更憑借完全開源的開放模式降低行業技術準入門檻，完成人形機器人從實驗室走向量產產線的關鍵跨越，將整體提升國內精密制造自動化、智能化水平。