一句话看懂：Gym-Anything for Robotics 把机器人仿真环境的构建交给编程智能体，并用独立审计智能体检查物理真实性和任务质量；论文称新基准 RoboWorld 的 25 个测试任务上，前沿模型无一通过。
事件核心：发生了什么
据 alphaXiv 收录的论文摘要（2026 年 10 月 29 日发布），该研究提出一套“创建—审计”流水线：创建智能体负责编写场景、机器人、相关物理效果、任务与奖励，四类审计智能体检查真实性与可解性，另有专门智能体尝试用合法动作“破坏”仿真，循环修复三轮。任务同样由独立智能体生成，再经六类审计核对验证器正确性和难度覆盖。
团队依据美国 GDP 与职业数据选取经济价值较高的动作组，构建 RoboWorld：25 个仿真，包含 25 个测试和 175 个训练强化学习环境。摘要在其评测条件下报告，前沿模型在 25 个测试任务上成功率为零，平均奖励仅 0.06；在另一组更简单的 25 个任务上，GPT-6 Astra、GPT-6.1 Terra 和 Claude Opus 5.5 的成功率分别约为 24%、12% 和 32%。
为什么重要
机器人训练长期受限于仿真环境覆盖窄、制作依赖专家，难以规模化。该文把仿真创建转化为编程智能体任务，核心判断是编码智能体能力提升会直接转化为更丰富的仿真。与 RoboGen 等依赖既有物理平台生成场景的路线相比，本文强调由智能体补写引擎缺失的任务相关物理，并审计物理测量与演示证据。这是一种方法论和覆盖范围的差异，目前公开信息尚不足以做质量高下对比。
对用户/开发者/创作者的影响
对具身 AI 开发者，作者开源了流水线、RL 环境和基准，可用于评测编码智能体与视觉—语言—动作模型（VLA，如 π0.5）。论文还提出跨多次尝试的上下文学习、读取仿真器状态的“特权教师”、自我辅助学习，以及用代码策略生成多场景演示来训练 VLA，每项都报告了性能提升。但这些都是论文实验，并非已上线产品；数据与代码在项目页公开。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是审计环节能否真正压住“看起来对、物理上错”的仿真；二是前沿模型在 RoboWorld 上的成绩随智能体迭代如何变化；三是所谓“物理补写”在真实机器人迁移中是否站得住。
来源：alphaXiv
