[RO]《RoboDojo: A Unified Sim-and-Real Benchmark for Comprehensive Evaluation of Generalist Robot Manipulation Policies》T Chen, Y Chen, Z Li, J Tang… [HKU & PKU & THU] (2026)

在通用机器人操纵领域，评估模型在复杂物理约束下的鲁棒性是一个悬而未决的难题。过去的方法受困于任务单一、短时程且缺乏标准化协议，本质原因是可扩展的仿真环境与不可复现的真实世界测试之间存在结构性断裂，导致泛化性、记忆力和精确度难以被统一诊断。

本文的核心洞见是：将评估过程重新看作一个跨域统一的流水线。由此，异构并行仿真技术实现了不同任务几何体的并发执行，配合标准化的硬件夹具与远程云端部署接口，使策略只需一次集成即可在 60 个互补任务中完成从数字迭代到物理部署的无缝验证。

这项工作真正留下的遗产是揭示了当前模型与人类专家之间高达 68% 的成功率鸿沟。它为后来者打开了多机体、多维度能力诊断的新门，但尚未跨过的门槛是开放语义 grounding——即如何将陌生的语言指令转化为复杂的物理操纵动作，目前该项成功率接近于零。

arxiv.org/abs/2607.04434 机器学习 人工智能 论文 AI创造营