研究机器人模型，麻烦的不只是写代码。研究员还要反复改配置、启动训练、跑评测，再决定下一轮试什么。Simate的做法，是把这套流程交给Agent接力：人提出假设和约束，系统自动拆解实验、调用算力并读取结果，让多条研究路线同时推进。
这套流水线围绕Simate-beta展开。模型框架被拆成便于Agent修改和验证的模块；论文、代码、实验日志与评测反馈则汇入持续更新的“研究上下文”。候选方案先经过世界模型——用于模拟环境变化的模型——和仿真环境筛选，较有潜力的才进入真机测试，结果再流回下一轮实验。
据Simate向量子位披露，Simate-beta在2026年9月23日的RoboDojo机器人操作榜单上以平均分33.95、成功率27.96%排名第一，且未针对榜单专门优化。不过，榜单只是横向切面，具体架构与模型规模也尚未公开。真正值得关注的，是Agent正从辅助写代码，走向编排Physical AI——让AI在现实世界感知并行动——的整个研发循环。