从虚拟到现实：构建AI的“物理考场”

尽管大语言模型和视觉语言模型在感知与认知层面展现了巨大潜力，但如何让机器人将这些能力稳定地应用于复杂多变的真实世界，仍是科研人员面临的核心难题。长期以来，真机测试因成本高昂、标准不一、难以复现等问题，导致评估多局限于仿真环境或简单场景，模型在现实中的真实智能水平难以被准确衡量。

RoboChallenge平台正是为解决这一行业痛点而创立。该平台由原力灵机与Hugging Face联合发起，致力于打造一个开放、公平且可大规模重复验证的物理智能“测试场”。自2025年10月上线以来，平台已整合了包括UR5、Franka Panda等在内的20台主流机器人，构建了一个稳定、多样的远程真机测试网络。

携手行业力量，制定统一标尺

为推进真机评测的规范化进程，2025年11月，原力灵机与Hugging Face联合智源研究院、智元机器人、清华大学等多家顶尖机构与高校，共同组建了RoboChallenge组委会。

^{RoboChallenge 组委会成员}

此举标志着真机评测进入了基于“开放共同体”的标准化协作新阶段。组委会旨在将RoboChallenge建设成为行业公共基础设施，通过常态化运营，推动评测工作从各自为政走向共识共建，加速具身智能领域通用标准的形成。

同时，平台开源了名为“Table30”的数据集，涵盖9大类共30项标准化桌面操作任务，为全球研究者提供了一个公开、透明的基准测试集，此举迅速获得了国际社区的广泛关注与采用。

实测热潮兴起，开源模型表现亮眼

报告数据显示，平台用户数与测试量在过去三个月呈现指数级增长，“进行真机实测”已成为全球具身智能领域的普遍共识。平台吸引了从知名研究机构、大型企业到活跃开源社区的广泛参与。

目前，已有包括Pi0、RDT-1B、CogACT等多款由社区贡献的开源模型成功完成测试并进入榜单。千寻智能、自变量等团队已完成全部Table30任务的评测。此外，多家机构的模型正在平台上进行密集测试。这种跨地域、跨机构的广泛参与，凸显了行业对标准化真机验证平台的强烈需求。

核心洞察：进步显著，道阻且长

通过对海量测试数据的深入分析，年度报告揭示了以下关键发现：

1. 真机验证成为刚需：平台活跃度的暴涨，证明RoboChallenge已成为评估VLA模型物理世界能力的核心平台。

^{活跃用户地域分布图，显示平台国际化生态}

2. 基础任务接近解决：如“叠碗”、“物体移入盒子”等任务因成功率较高，成为模型验证的“入门关卡”，类似于具身智能的“Hello World”。

3. 复杂任务仍是难关：需要多步骤规划、长期决策和精细操作的任务，如“整理纸杯”、“制作三明治”等，对所有模型而言依然极具挑战，成功率很低，明确了当前技术的上限。

4. 最佳模型成功率约50%：当前在Table30上表现最优的模型，整体成功率仅在50%左右，既显示了进展，也印证了数据集的挑战性，表明通用具身智能仍有长路要走。

^{RoboChallenge官网模型总榜（Top 8）截图于2025年1月23日}

5. 精细操作是短板：模型虽能理解指令并产生移动意图，但在需要精准控制的动作任务中，成功率不足15%。平台积累的大量失败案例形成了宝贵的“错题集”，为模型优化指明了方向。

6. 社区共创价值凸显：通过实战测试，社区与企业不仅摸清了模型边界，更积累了宝贵的工程经验与技术洞察，这些反馈正驱动平台与技术的共同进化，汇聚行业力量加速具身智能的关键突破。

未来规划：场景拓展与生态深化

RoboChallenge年度报告的发布，开启了具身智能真机评测数据驱动与标准共建的新篇章。未来，平台计划引入更多机器人类型，拓展至更贴近工业与家庭需求的复杂场景，并设计更高难度的任务。同时，将探索分布式评测机制，以提升测试规模与效率。

“我们期待与全球社区共同努力，”RoboChallenge组委会表示，“通过维护这个真实、开放的‘考场’，持续降低真机验证门槛，让每一次尝试——无论成功与否——都成为进步的基石，携手推动具身智能突破现实应用的最终障碍，在物理世界中创造真正的价值。”

欲查阅完整的RoboChallenge年度报告，请访问官网：https://robochallenge.ai/news

想获取更多AI最新资讯与智能工具推荐， 欢迎访问 👉 AI Tools Nav ——优质的 AI导航平台 与 AI学习社区

本文来源：机器之心

原文链接：https://www.jiqizhixin.com/articles/b38b91bd-30b1-460a-a170-274f86ce1ea1