具身智能时代，通用机器人策略距离“登顶”还有多远？——RoboDojo揭示当前操作能力的真实边界

具身智能的瓶颈：评估体系亟待统一 当前通用机器人操作策略的发展正面临一个根本性挑战：缺乏既能反映真实部署能力、又具备可复现性与系统性的评估标准。现有基准普遍存在三重割裂：一类依赖简单、短程、技能单一的任务，难以检验综合能力；另一类依托仿真环境，虽效率高、扩展性强，却与物理世界的感知噪声、接触动力学、执行延迟等关键因素脱节；第三类在真实机器人上开展评估，虽贴近实际，但成本高昂、耗时冗长、实验条件难统一，导致结果不可复现、跨研究难以比较。 RoboDojo：首个贯通仿真与真实世界的统一评估框架 为弥合这一鸿沟，由香港大学、加州大学伯克利分校、清华大学、北京大学等机构联合提出的RoboDojo，首次构建了覆盖仿真与真实世界、面向长期复杂操作任务的统一评估基准。它不追求任务数量堆砌，而是围绕机器人具身操作的五大核心能力——泛化、记忆、长程执行、精细控制与开放指令理解——设计42个结构化任务，每个任务均需策略在动态环境、多步逻辑、高精度交互与语义理解之间协同决策。 五大能力诊断：暴露当前策略的结构性短板 • 泛化能力：策略对未见背景、光照、目标形态及杂乱干扰的适应性极弱。即便最优模型Hy-Embodied-0.5-VLA，在标准场景下表现领先，一旦引入视觉随机化，成功率骤降92.9%，说明其依赖静态视觉先验，缺乏闭环校正与失败恢复机制。 • 记忆能力：历史状态利用仍停留在浅层。尽管Hy-Embodied-0.5-VLA借助具身预训练略占优势，但EventVLA的显式记忆模块与X-WAM的时间建模均未能转化为稳定成功，表明“记住”不等于“能用”。 • 长程执行：多步骤任务完成率普遍低于15%。模型常能推进前几阶段，却在关键交接点（如工具切换、状态确认、误差累积补偿）失效，暴露技能组合、阶段决策与容错机制的缺失。 • 精细控制：窄孔插入、微力装配等接触敏感任务成功率不足12%。X-VLA在此维度相对领先，但三维空间定位漂移、动作预测抖动、接触力闭环响应滞后等问题仍未解决。 • 开放指令理解：面对未见过的语言指令与新目标组合，最佳策略π0.5成功率仅1.67%。强视觉-语言模型能识别“把红色积木放进蓝色盒子”，却难以将其映射为可执行的关节轨迹序列——语义到动作的转化链依然断裂。 真实世界验证：仿真优势≠物理可靠 在RoboDojo-RealEval平台上，10个代表性策略在3种主流机器人本体、18个真实任务上的测试结果进一步揭示差距：当前最优策略π0.5整体成功率仅为12.8%，远低于人类遥操作的100%。更关键的是，仿真中排名靠前的模型（如InternVLA-A1、GalaxeaVLA）在真实部署中表现反超部分仿真领先者，印证仿真擅长能力归因，而真实世界才是检验鲁棒性的终极考场。 真实部署还暴露出仿真无法捕捉的风险：动作抖动引发机械共振、无效重复消耗能耗、接触失稳导致部件偏移，甚至出现需人工紧急干预的安全临界行为。这说明，评估不能止步于“是否完成”，更需关注“如何完成”——控制稳定性、失败检测速度与安全回退机制，已是通用策略不可回避的硬指标。 高效与可复现：RoboDojo的工程价值 RoboDojo在方法论层面同样具有突破性。其仿真平台支持异构并行评估，大幅提升吞吐量；真实世界平台通过统一硬件接口、标准化工作空间重置协议、触摸屏引导式任务加载，将单任务10次试验平均耗时压缩至11.2分钟。重复评估显示，仿真与真实榜单的最大成功率标准差分别仅为1.1%和1.3%，验证了结果的高度稳定性与可复现性。 迈向通用具身操作的下一步 RoboDojo并非终点，而是起点。研究团队明确规划了演进路径：向灵巧手操作、类人全身协调、触觉反馈融合、移动-操作耦合等更复杂场景延伸；接入更多机器人本体以增强跨平台公平比较；持续更新任务集与策略榜单，推动社区形成共识性技术坐标。唯有当评估真正成为能力演进的“标尺”而非“装饰”，通用机器人策略才可能走出实验室，走向真实世界的千行百业。