2026年5月12日，arXiv 上发布了一篇题为《OrbiSim: World Models as Differentiable Physics Engines for Embodied Intelligence》的论文（arXiv:2605.16395v1），作者为 Jiajian Li 等六人。该论文属于机器人学（cs.RO）与机器学习（cs.LG）交叉领域，提出了一种全新的机器人仿真范式——OrbiSim，其核心思想是将世界模型重新定义为面向具身智能的全可微物理引擎。
传统世界模型通常专注于在潜在空间或视觉域中进行无约束的想象，而 OrbiSim 则致力于构建一条统一的、物理 grounded 的路径，将结构化场景资产、神经动力学以及下游强化学习连接起来。与经典物理引擎不同，OrbiSim 在整个仿真循环中实现了端到端的可微性，覆盖从显式状态转移到视觉观测生成的每一个环节。这种设计使得一些传统仿真器难以处理的任务成为可能，例如可微接触建模、稀疏奖励下的基于梯度的策略优化，以及直观的物理推理。
在实验评估中，OrbiSim 在预测保真度和控制性能两个关键指标上均显著优于当前最先进的世界模型。此外，系统对资产配置和物理参数表现出持续一致的响应能力，这暗示了它作为可微工具在增强机器人仿真与策略训练方面的潜力。论文还提供了项目页面链接，并附有完整的 PDF、HTML 实验版本以及 TeX 源码。
该研究的关键创新在于将世界模型与物理引擎深度融合，利用可微性打通仿真与学习的壁垒。传统仿真器通常依赖不可微的物理计算，导致梯度无法回传，从而限制了基于梯度的优化方法。OrbiSim 通过神经动力学模型替代部分物理计算，同时保持与结构化场景资产的交互，实现了全流程的可微。这使得在稀疏奖励场景下，策略梯度可以更有效地传播，加速强化学习训练。
在预测保真度方面，OrbiSim 能够更准确地模拟物体间的接触和碰撞，生成符合物理规律的视觉观测。在控制性能上，基于 OrbiSim 训练的策略在多个任务中展现出优势，尤其是在需要精细操作或接触丰富的场景中。论文还指出，OrbiSim 对资产配置和物理参数的变化具有一致的响应，这意味着用户可以通过调整参数来观察仿真结果的变化，为物理推理和系统辨识提供了新途径。
作者团队来自多个机构，论文提交于2026年5月12日，全文共13,721 KB。该工作目前以预印本形式公开，尚未经过同行评审，但已引起机器人学习社区的关注。项目页面提供了更多演示和代码资源。总体而言，OrbiSim 为具身智能的仿真与训练提供了一种新的可微框架，有望推动机器人学习向更高效、更物理一致的方向发展。