RoboColosseum：在真实环境中大规模评估机器人具身智能
RoboColosseum 是一个分布式评估框架，通过统一的策略服务方式和标准化流程，在多种环境中测试由本地团队操作的机器人。初步研究在四种机器人形态上评估了五种视觉-语言-动作（VLA）策略和三种前沿 AI 智能体。在 124 个地点进行的 5,699 次盲测成对比较中，前沿智能体的表现可与专用 VLA 策略相媲美，但所有系统都难以可靠完成开放环境任务。每项任务使用相同的 100 条示范进行微调后，GR00T N1.7 在 SO-101 上领先，pi0.5 则在 Franka 和 Bimanual-YAM 上领先。不同机器人形态之间的排名一致性较低，微调后排名也常出现明显反转。部分进度指标揭示了任务完成率未能体现的差异：在 G1 人形机器人上，没有任何策略完成五项任务，但平均进度为 13.3% 至 23.2%。与均匀抽样相比，主动匹配以显著更少的真实机器人试验取得了相近的排名一致性。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。