🔍 评测基准

RoboDojo（AI MMLab Club，arXiv 2607.04434 v3）精读：统一仿真与真机的通才操纵策略评测基准——仿真侧 42 任务覆盖泛化/记忆/长程/精密/开放指令五大维度（Isaac Sim 异构并行，2100 episodes），真机侧 18 任务 × 3 本体（ARX X5 / Piper / Piper X），标准化硬件与场景重置的 RoboDojo-RealEval 支持云端远程评测；XPolicyLab 统一策略接口一次接入、仿真真机两处可测。论文 2026-07-03 快照评测 30 个策略：最佳 Hy-Embodied-0.5-VLA 平均 13.07 分 / 8.80% SR，人类专家 80.42 / 76.03%——差距悬殊；真机侧 π0.5 最佳 22.9 / 12.8%，人类 100%。四大发现：随机化导致大崩溃（Hy-Embodied 标准 21.98 → 随机 1.57，-92.9%）、长程只是部分进步、精密卡在接触感知与偏轨纠偏、真机暴露执行不稳定。榜单由非营利基金会运营、无商业参与，含隐藏布局防刷榜与远程私有开发协议。逐张讲解全部 10 张插图（含双栏资产库/并行仿真子图）。

一篇打包精读 19 个最常用具身仿真/Benchmark/评测基础设施：Meta-World（50 任务多任务与元 RL）、RLBench（100 任务+无限演示）、CALVIN（四房间 34 任务五步语言链）、RoboCasa（厨房 100+75 任务/2509 物体）、SimplerEnv/SIMPLER（真机策略的 real-to-sim 评测：视觉匹配 vs 变体聚合，MMRV/Pearson 相关）、BEHAVIOR-1K（1000 日常活动+OmniGibson）、VLABench（100 任务 60 原子+40 复合、2000+ 物体、四视角观测）、ManiSkill3（GPU 并行 3 万 FPS、16+ 机器人、real2sim 数字孪生）、RoboTwin 2.0（50 双臂任务+MLLM 代码生成+11k 纹理域随机化）、RoboCasa365（365 任务/2500 厨房场景/2200+ 小时数据/GR00T 预训练）、MagicSim（15 仿真家族确定性批式基础设施）、XPolicyLab（统一策略接口一次接入多榜）、HumanCLAW-Bench（1218 个人形全身寻找-导航-交互 episode，9 个前沿 VLM 最好仅 16.8%）、RoboCurve（真机独立评测：Inspect Robots 框架+RoboDojo-RC 榜）。每个 benchmark 独立成章：定位、任务清单、仿真还是真机、评测协议与指标、插图逐张讲解、生态位；文末附总对比表与 RoboDojo 关系图谱。第二辑按 OpenWAM（2609.07398）评测栈补充五章：LIBERO、LIBERO-Plus、RoboCasa-GR1、EBench、RoboDojo，并为 RoboTwin2.0 注记 Full/Clean2Random 双轨、为 VLABench 与 RoboCasa365 补 OpenWAM 成绩。全部 55 张插图本地收录。