一句话看懂：由香港大学MMLab等机构联合推出的RoboDojo评测基准，在42个仿真任务和18个真实机器人任务中测试了30个主流机器人策略。结果显示，当前最强通用机器人模型在真实世界平均成功率仅为12.8%，而人类专家达到100%。这一差距表明，通用机器人距离可靠部署仍有巨大鸿沟。
事件核心：发生了什么
2026年7月8日，曾推出RoboTwin系列基准的团队发布了RoboDojo——一个统一的仿真+真实世界机器人操作评测基准。该基准涵盖42个仿真任务和18个真实世界任务，测试了包括Hy-Embodied-0.5-VLA、π0.5、X-VLA、GR00T-N1.7在内的30个主流机器人策略。在仿真环境中，最强模型Hy-Embodied-0.5-VLA平均成功率仅8.80%；在真实世界评测中，表现最好的π0.5模型平均成功率为12.8%，而人类专家达100%。RoboDojo特别设计了五大能力维度：泛化、记忆、精细操作、长程执行、开放语义理解，其中开放语义任务Open的成功率仅约1.67%。该基准由学术机构联盟发起，榜单由公益性组织AI MMLab Club基金会治理，面向社区公开。
为什么重要
RoboDojo的发布填补了具身智能领域缺乏标准化、可复现真机评测的空白。当前机器人基础模型（如VLA、世界模型）在demo视频中表现丝滑，但RoboDojo的测试暴露了其系统性短板：模型在单项能力上或可完成部分步骤，但一旦面临多步骤长程任务、开放语义指令或物理不确定性时，失败率极高。这直接影响了通用机器人的商业化落地节奏——当前模型仅能在高度受限的实验室场景中演示，距离“听懂人话并可靠干活”仍差很远。对行业而言，这一基准提供了可横向比较的“海拔尺”，倒逼模型研发从追求单点突破转向系统性提升泛化与鲁棒性。
对用户/开发者/创作者的影响
对于机器人开发者，RoboDojo和其配套的XPolicyLab提供了“一次接入、多处评测”的基础设施，降低了不同模型间公平比较的工程门槛。开发者可以在仿真中快速迭代诊断能力短板，再部署至真实机器人。对于硬件采购者或企业决策者，这一基准提供了更真实的选型参考：不应仅凭宣传片评估机器人能力，而应关注其在标准化任务中的成功率数据。对AI内容创作者而言，RoboDojo揭示的“泛化弱、长程易崩溃、理解开放指令困难”等短板，意味着当前通用机器人尚不适合在开放、动态的家庭或生产环境中独立作业。
值得关注的后续
第一，RoboDojo团队计划后续扩展灵巧操作、移动操作、触觉操作和人型全身操作评测，这将对现有模型能力提出更高要求，尤其是涉及复杂灵巧手和全身协调的场景。第二，当前榜单中表现靠前的模型（如π0.5、Hy-Embodied-0.5-VLA）是否能快速适配真实世界并提升成功率，将直接影响下一波机器人基础模型的研发方向。第三，这一基准能否被社区广泛采纳为标准评测工具，以及是否有商业模型方（如特斯拉、Figure AI等）主动接入并将其作为能力验证平台，将决定其在具身智能生态中的实际影响力。
来源：量子位 · 每日最新
