通用机器人这座山，到底有多高？

通用机器人，正站在一座前所未有的高峰前 过去一年，VLA、机器人基础模型、世界模型轮番登场。叠碗、插管、收纳、倒水、整理桌面……一个个演示视频越来越流畅，仿佛机器人终于开始听懂人话、理解世界、动手干活。 但热闹背后，问题更尖锐：这些模型究竟谁更强？强在哪儿？仿真里的表现，能否迁移到真实世界？离真正能自主完成日常任务的通用操作机器人，还有多远？ 不是又一个基准，而是一座具身智能的‘珠峰’ RoboDojo来了——它不是简单堆砌任务的评测集，而是首次将仿真与真实世界操作能力统一衡量的综合性基准。它由RoboTwin系列原班团队推出，目标明确：为具身智能立一座可攀登、可丈量、可验证的‘珠峰’。 42个仿真任务、18个真实机器人任务，30个主流策略同台竞技。五大核心能力被系统拆解：泛化能力、记忆能力、精细操作能力、长程执行能力、开放语义理解能力。每一项，都直指通用机器人落地的关键瓶颈。 仿真不是彩排，而是第一道严苛考题 仿真环境里，任务设计拒绝‘理想化’：桌面杂物最多随机出现25件；背景、光照、物体材质与布局全部动态变化；传送带上一闪而过的物体需被记住并在后续识别；插管、对齐、微接触等动作容错率趋近于零；长程任务要求连续完成拿取—移动—交接—对齐—放置等多个环节，误差逐级累积，一步出错，全盘归零。 这不是pick-and-place的变体，而是对物理世界复杂性的逼近。 真机评测，才是真正的登山现场 RoboDojo把考场搬进了真实实验室：覆盖ARX X5、Piper、Piper X三类双臂平台，每台设备部署6个专属任务。盖积木、做面包、装水果并倒出、插充电器、拆乐高、挂杯子……听起来是生活琐事，却处处藏着物理世界的不确定性——夹爪打滑、机械臂延迟、相机噪声、接触偏移、初始位姿微小偏差。 更关键的是，RoboDojo-RealEval建立了完整标准化流程：统一硬件配置、固定工作空间、可控光照条件、严格场景复位、双盲三审机制。每一次测试，都记录中间步骤成败，不只看结果，更看过程鲁棒性。 榜单一出，差距裸露无遗 仿真榜首位是Hy-Embodied-0.5-VLA，平均成功率仅8.80%；真实世界榜首π0.5，成功率也仅为12.8%。人类专家呢？仿真76.03%，真实世界100%。 30个策略中，没有一个在五大能力维度上全面领先。有的泛化尚可，但长程任务中途崩塌；有的动作平稳，却无法理解新指令；有的能识别目标，却记不住两秒前见过的物体。最刺眼的数据来自‘开放语义’任务：最强模型成功率仅约1.67%——说明当前模型尚未建立稳定可靠的‘语言→感知→规划→动作’闭环。 这不是比谁更快，而是比谁更稳 RoboDojo揭示的核心事实是：今天机器人的问题，不是‘不会动’，而是‘动不稳’；不是‘完不成’，而是‘完不成几次’；不是‘没思路’，而是‘思路断在第三步’。物理世界里，差0.5毫米就是失败，慢200毫秒就导致碰撞，记错一次信息就彻底跑偏。 这也解释了为何仿真排名靠前的模型，在真实平台上往往大幅掉分——仿真掩盖了标定误差、接触非线性、传感器延迟等真实扰动。RoboDojo的价值，正在于把这些‘看不见的墙’变成可测量、可定位、可改进的指标。 不止于榜单：一套可持续进化的基础设施 RoboDojo包含两大支撑层：一是异构并行仿真引擎，支持不同任务、不同物体、不同布局同时运行，大幅提升评测吞吐；二是XPolicyLab——一个统一策略接入层，屏蔽各模型在数据格式、预处理、动作表示上的差异，仅需对接标准observation-action接口，即可在仿真与真机平台一键运行。 这意味着研究者可以‘一次开发、双重验证’：先在仿真中快速诊断短板，再无缝部署到真实机器人接受压力测试。它不是一个静态论文附件，而是一个持续扩展的具身智能竞技场。 这座山的意义，不在高度，而在坐标 RoboDojo不是要否定进展，而是提供一把精准的‘海拔尺’。它让进步可量化，让短板可定位，让比较可复现。当行业告别‘demo驱动’，转向‘基准驱动’，通用机器人的发展才真正有了锚点。 具身智能的长征，刚刚走出训练场。而这座‘珠峰’已经立起——它不许诺登顶时间，但确保每一步攀登，都踩在真实的岩石上。