10月19日，自变量机器人（以下简称“自变量”）正式发布X2Real——一套面向具身模型的“可进化仿真评测基准”，目标是以仿真手段可信地预测模型在真实物理世界中的性能。

据其披露，在五项通用操作任务范围内，X2Real仿真评测与真机评测的任务成功率相关系数达到0.96，任务进度分相关系数达到0.99。这一数据意味着，仿真评分与真机表现之间的线性偏离已经收缩到足以支撑研发决策的区间，仿真不再只是训练场的附属工具，而开始具备充当“性能标尺”的资格。

自动诊断

具身智能模型需要在真实物理环境中完成抓取、搬运、工具使用等任务，其能力不仅取决于视觉理解与任务规划，也受到运动控制和物理交互能力的影响。

真机测试虽然能够直接检验实际表现，却往往成本较高、反馈较慢。因此，仿真测试应运而生。

然而，过往仿真基准普遍可能受到视觉、物理参数和控制特性差异的影响：虚实偏差导致仿真高分无法预测真机表现，任务分布狭窄使得评测只覆盖有限的能力切片，训练与测试管线交叠则让“刷榜”替代了真实能力测量。这些因素均导致模型在虚拟环境中的得分无法准确预测现实表现。

自变量X2Real的设计回应正落在这些缺口上，其提出的可信性（Faithfulness）原则要求仿真在视觉与物理属性上与真实硬件对齐；有效性（Effectiveness）原则通过覆盖10个能力维度、44项分层长程任务的分类体系，将评测从单一抓取放置扩展到视觉定位、语言理解与双臂协同等复合能力；客观性（Fairness）原则则以严格隔离的训练与评测管线和自动化诊断流程，阻断基准被策略“利用”的空间。

布局RSI

其另一项设计是让智能体参与任务生成与失败分析。X2Real配套的Mana仿真生态基于英伟达（NVDA）的Isaac Lab-Arena构建，可以组合场景、机器人形态和任务步骤，并对模型执行过程进行分析。系统不仅记录最终任务是否成功，还能根据子任务完成情况、物体姿态等信息定位失败环节，为下一轮测试提供依据。

自变量将X2Real定义为“能够伴随模型成长不断进化”的评测体系，其潜台词是，评测基准本身不应是一次性的静态考卷，而应具备随模型能力升级而迭代任务难度与诊断粒度的能力。

X2Real的自动化评测与诊断机制，也与人工智能领域热门的自我递归改进（Recursive Self-Improvement，以下简称RSI）存在关联。公开资料显示，RSI是AI通过改进自身代码、架构、训练方法或工具使用能力，进一步利用这些提升推动后续改进的过程。

RSI的核心命题是使系统“不仅继承上一轮的改进结果，还进一步优化产生改进的方法本身”。在具身智能场景中，这一闭环面临比数字世界苛刻得多的约束：每一次真机试错都消耗设备、时间和人力，失败轨迹若不能回流为下一轮的训练信号，部署规模再大也难以转化为能力增速。