编辑丨ScienceAI
打破家庭场景「内卷」，机器人不仅能下厨，还要上实验台！LabUtopia把「智能科学实验室」搬进虚拟仿真器。
智能科学实验室新范式
当前「AI 科学家」侧重虚拟推理、自动化实验室侧重机械执行，二者各擅其长却难以贯通。要真正实现全流程闭环、自主进化的科学发现，必须把认知大模型、智能体工作流和具身机器人三大技术栈深度耦合，构建智能科学实验室（Intelligent Science Laboratory，ISL）新范式。
由上海人工智能实验室、中国科学技术大学、牛津大学、新南威尔士大学、洛桑联邦理工、北京大学、中科院、南京大学等十余所高校和研究机构的研究者联合撰写的立场论文呼吁：「智能科学实验室」（Intelligent Science Laboratory, ISL）将成为未来科学发现的关键范式，并且其核心在于深度融合认知智能与具身智能，实现从假设生成到实验验证的闭环式科学探索自动化。期待这能成为通向 AI 驱动科学的新起点！
研究团队以「基座模型-智能体-具身执行」三层闭环架构为核心，配套四级渐进式路线图，将认知大模型、智能体工作流和具身机器人深度耦合，引导实验室从基础自动化稳步进化到完全自主的智驱科研新范式。
团队呼吁全球研究者、开发者与产业伙伴加入 ISL 生态，共同加速科学发现的未来。
LabUtopia
在具身智能模拟平台「卷爆家庭日常」的今天，从厨房炒菜到客厅扫地，AI Agent 似乎无所不能。然而，真正挑战复杂物理交互和长链条规划的科研实验室场景，却始终缺位。
如今，这一空白被正式填补——LabUtopia 正式发布！
来自上海人工智能实验室、北京大学、牛津大学、中国科学技术大学等机构的联合团队推出 LabUtopia：全球首个支持化学反应建模 + 流体物理模拟 + 多步实验流程规划与评估的高保真科学实验具身智能平台。
它不仅支持化学反应的建模、流体-刚体-软体的交互模拟，还首次提出「五级任务评估体系」，让机器人不再只停留于「夹起杯子」，而是能执行复杂、长周期的科研实验流程，一步步推动机器人迈入「科研自动化」新时代。
这不仅是具身模拟器的一小步，更是通往「AI 化科研发现」的关键跃迁！
为什么科研实验室是下一个「具身智能战场」？
相较于日常生活场景，科研实验室更具挑战性，也更具「科学智能」价值：
物理挑战升级：液体倾倒、溶液混合、材料加热、化学反应观察等，需要高保真的流体+刚体+化学过程建模；
任务链更长更敏感：精细操作（如玻璃棒搅拌液体），从「抓取试管」到「完成一整套滴定实验」，流程长、误差敏感、需稳定执行；
智能能力更高：从「抓取试管」到「完成产物制备」，任务往往由多个步骤组成，需高层级规划与容错机制：不仅要操作，还要识别材料状态变化，具备感知-推理-控制的整合能力。
LabUtopia 正是在这一背景下诞生，它将科研实验室真正带入具身智能模拟的版图，提供全面覆盖、真实建模、层级式评估的一体化解决方案。
平台介绍
科学实验室仿真平台需要哪些关键技术来支撑对于科学实验的模拟执行？
通过分析，研究团队确定了一个完整的、可执行的科学仿真平台所必需的三项核心模块：高保真仿真引擎、真实科研实验室构建器以及科研任务评估体系。
Labsim的示意图
LabSim：高保真仿真引擎
基于 NVIDIA Isaac Sim 深度定制的物理引擎，LabSim 不仅支持刚体与软体的高精度交互，还首次整合了流体动力学模拟与动态化学反应可视化能力。
LabScene：真实科研实验室构建器
传统模拟器中的「房间生成」在实验室任务面前失效。LabScene 构建了一个包含 200+ 仪器/器具的可组合实验空间，支持程序生成 + 物理可行性检查 + 专家验证三重约束生成，确保每一个场景「既复杂又真实」。
LabBench：五级任务评估体系
科学实验任务不像厨房炒菜，是标准化、多阶段、易出错、可量化的任务链。LabBench 引入业内首个五级任务分层体系，从原子操作到跨区域长链任务，具体包括原子操作、短程操作、通用短程操作、长程操作以及移动长程操作，提供逐步进阶、可控难度、跨算法对比的系统化评估平台。
LabBench示意图
实验：现有算法在科学场景面前「落败」！
我们系统评估了两个主流模仿学习算法（ACT 与 Diffusion Policy）在 LabUtopia 上的表现，发现：
✅ 基础操作（如 Press, Stir）ACT 成功率可达 90%+
⚠️ 多步任务（如 Transport Beaker、Heater Beaker）开始出现显著失误
❌ 长链任务（如 Clean Beaker，7 步）整体成功率跌至个位数，DP 几乎全军覆没！
这表明：现有通用具身策略在科学实验中的泛化性、稳定性远未达标，而 LabUtopia 正提供了一个标准、开放的评测平台，驱动下一个具身智能研究浪潮。
论文链接：https://arxiv.org/abs/2506.19613 and https://arxiv.org/abs/2505.22634
Benchmark以及主页：https://rui-li023.github.io/labutopia-site/
人工智能（AI）正在深刻变革科学研究的范式，显著提升科学发现的效率、精确性和创新性。AI for Science团队，探索人工智能驱动科学问题的研究范式，围绕「通专融合AGI」之路，搭建自然科学从微观到宏观跨学科的数据、算法和科学发现平台，推动AI for Science从「工具的革命」迈向「革命性的工具」，并加速人工智能在各学科领域的创新与落地，赋能各行业发展。
